darknet训练自己的数据

voc数据格式：

• –VOC
  
  • –Annotations //存放xml文件，每一个xml对应一张图像及各个目标的位置和类别信息
  • –ImageSets
    
    • –Main //存放train.txt、val.txt等，该文本文件里为图像名字（无后缀无路径）
    • –Layout
    • –Segmentation
  • –JPEGImages //原始图像
  • –SegmentationClass
  • –SegmentationObject

数据准备：

1. 根据voc数据格式新建所有文件夹；
2. 将图片放到JPEGImages下；
3. ImageSets/Main下，新建train.txt存放训练图片名称，val.txt存放验证图片名称；
4. 用lableimage生成xml
   
   • 修改predefined_classes.txt中的类别
   • 框出图片中所属类别的图像
   • 参考：http://blog.csdn.net/jesse_mx/article/details/53606897
   • 下载地址：https://pan.baidu.com/s/1kU8ReuF
5. 修改darknet\scripts\voc_label.py中对应文件位置；
   
   • 注意Difficult首字母大写；
   • 运行完后会在VOC新生成文件夹labels，同时在scripts\下应该生成了2017_train.txt、2017_val.txt，txt文件存放图片路径
   • labels文件夹存放图片坐标及其对应的类别
     txt文件可放到JPEGImages ，也可不放，注意文件夹名称不同时，需要放。
     

训练流程：

1. 新建voc.data

    classes= 2
    train  = E:/darknet/build/darknet/x64/data/myvoc/2017_train.txt //训练文件
    valid  = E:/darknet/build/darknet/x64/data/myvoc/2017_val.txt  //验证文件
    names = E:/darknet/build/darknet/x64/data/myvoc/voc.names  //类别名称
    backup = E:/darknet/build/darknet/x64/data/myvoc/backup/  //存放训练完成的权重，100/200/1000次

1. 新建voc.names
   
   • 存放类别

    person
    car

1. 修改tiny-yolo-voc.cfg
   
   • 修改region/classes
   • 修改最后convolutional/filters，filter=num×（classes + coords + 1）=5×（2+4+1）=35
2. 训练
   
   • darknet detector train E:\darknet\build\darknet\x64\data\myvoc\voc.data E:\darknet\build\darknet\x64\data\myvoc\tiny-yolo-voc.cfg
   • ./darknet detector train data/myvoc/voc.data data/myvoc/tiny-yolo-voc.cfg
3. 加载训练好的权重进行训练
   
   • 下载权重：http://pjreddie.com/media/files/darknet19_448.conv.23
   • ./darknet detector train data/myvoc/voc.data data/myvoc/tiny-yolo-voc.cfg darknet19_448.conv.23
4. 测试
   
   • darknet.exe detector test data/myvoc/voc.data data/myvoc/tiny-yolo-voc.cfg data/myvoc/tiny-yolo-voc_200.weights E:/darknet/scripts/VOCdevkit/myVOC2017/JPEGImages/s8.jpg -thresh 0.3