yolo-darknet实现自己数据的train和test

有目共睹的是，yolo训练数据优点明显，训练检测速度超快，功能超强。因网上关于yolo训练自己数据的博客几乎没有，所以我就yolo训练自己数据做一具体操作流程，希望可以帮助大家，让大家对yolo不再陌生。若不能训练成功，请与我联系， 邮箱：ahuljx@126.com
注意：1、请根据我的博客将yolo安装和测试， 博客地址：http://blog.csdn.net/samylee/article/details/51684856
2、请严格按照我博客的顺序做下去

第一部分：修改darknet/makefile文件
打开makefile文件：
1、删去 CUDNN=0 一行
2、 LDFLAGS= -lm -pthread 改为 LDFLAGS= -lm -pthread -lstdc++
3、删去 ifeq($(CUDNN),1) 至 -lcudnn endif
4、删去 activation_layer.o 至 art.o
5、删去 LDFLAGS+= -lstdc++ 一行
6、在 avgpool_layer_kernels.o 后增加 yolo_kernels.o coco_kernels.o
保存退出

第二部分：下载src文件夹
下载链接：http://download.csdn.net/detail/samylee/9555834
下载解压后替换/darknet下的原src文件夹
打开src文件夹下的yolo.c文件：
1、 classnum 代表训练几类， person 代表训练的类别（这里我给出例子为person）
2、修改 train_images 部分：改其中的 usr 为 您的服务器用户名
3、修改 backup_directory 部分：改其中的 usr 为 您的服务器用户名 （同时在/darknet文件夹下 新建文件夹命名为backup ）
打开src文件夹下的 yolo_kernels.cu 文件：
其中 cls_num 1 代表1类（如果增加类，此变量相应增加）

第三部分：下载数据
images 下载链接：http://download.csdn.net/detail/samylee/9555838
labels 下载链接：链接：http://pan.baidu.com/s/1dFG2LX3 密码：66xd
train.txt 下载链接：链接：http://pan.baidu.com/s/1nvguFKP 密码：bg0b
darknet.conv.weights（yolo-tiny小模型） 下载链接：http://download.csdn.net/detail/samylee/9555843
1、将 images 、 labels 和 train.txt 文件夹放入 /darknet/scripts 文件夹下，同时打开 train.txt 文件，修改 usr 为 您服务器的用户名 ，保存退出。
2、将 darknet.conv.weights 文件放入 /darknet 下

第四部分：编译
终端输入：
cd darknet （进入 darknet 文件夹）
make clean
make -j16

第五部分：训练数据
终端输入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
如果终端显示 NO such file or directory
则在darknet目录的终端下输入:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
再次终端输入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
此时程序会跑起来， 我在程序执行至保存1000步的时候进行了测试

第六部分：测试数据

这里提供yolo-tiny_1000.weights下载，仅供参考，下载链接：链接：http://pan.baidu.com/s/1c18hgT6 密码：xbh9

将 darknet/backup 文件夹下生成的 yolo-tiny_1000.weights 拷贝至 /darknet 下，同时将 /darknet/scripts/images/person 下的 s8.jpg 拷贝至 /darknet 下
终端输入：
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny_1000.weights

运行后终端会出现Enter Image Path一行，在后面输入s8.jpg即可，得到predicton如下图所示（因数据量过低，故效果不是很好，增加数据量即可解决，这里只做demo）：