darknet用自己的数据进行训练

根据之前博客的内容自行收集训练数据集已经成功收集了一波标注好的数据，现在尝试利用自己的数据对yolo v2模型进行训练。

1.处理数据

由于自己的数据是pascal格式的，需要转换为darknet需要的格式，不必惊慌，官方给出了脚本，自己只需稍作修改（因为pascal格式运用较广，一般的模型框架及时不能使用pascal，也会给出pascal的转换脚本）
利用以下脚本生成train.txt（由于我的数据集不是很充足，就没有细分为训练集和验证集，而是全部作为训练集，所以没有生成val.txt，如有需要的可以适当修改代码）

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Wed Jul 12 17:50:26 2017

@author: seven
"""

import os
from os import listdir, getcwd
from os.path import join
if __name__ == '__main__':
    source_folder='/home/seven/darknet/infrared/plate/image/'#地址是所有图片的保存地点
    dest='/home/seven/darknet/infrared/train.txt' #保存train.txt的地址
    file_list=os.listdir(source_folder)       #赋值图片所在文件夹的文件列表
    train_file=open(dest,'a')                 #打开文件
    for file_obj in file_list:                #访问文件列表中的每一个文件
        file_path=os.path.join(source_folder,file_obj) 
        file_name,file_extend=os.path.splitext(file_obj)
        #file_name 保存文件的名字，file_extend保存文件扩展名
        file_num=int(file_name) 
        train_file.write(file_name+'\n') 
    train_file.close()#关闭文件

生成的train.txt包含着训练集每一张图片的文件名，之后利用train.txt通过下面的脚本生成每个图像对应的（图像名）.txt文件和infrared_train.txt文件。（图像名）.txt文件中包含着图像中目标的位置和类别标签，infrare