darknet + yolo3 训练自己的数据集

2018年年中的时候，一不小心接触到了物体检测届的一位佼佼者，一阶段检测框架yolo，于是花了几个月研究并记录下来。直到最近，在工作上要用到物体检测，我第一反应就是yolo3，于是把训练的步骤和过程详细记录下来，给各位分享分享。

首先，如果你想用tensorflow版的yolo3去训练，肯定会搜到https://github.com/qqwweee/keras-yolo3 这个github的开源项目，但是我告诉你，这个开源项目的训练程序，可以跑通，但是你是得不出正确结果的，这个开源项目，除开trian过程，其他的都没多大问题，唯独训练过程，是不对的！并且，其训练速度远不及darknet本身的c++代码要高效。但是他的开源代码有非常好的用处。一个是跟python衔接，利于python用户开发；另一方面，他的代码对图像增强和yolo3的优化有非常好的借鉴作用。待会咱们再说这个开源项目。

咱们先去我的窝把代码下下来：https://github.com/robbebluecp/keras-yolo3-core （手动滑?）

来，咱们开始训练自己的数据吧。依旧先以voc数据为例。

一、准备数据（我帮整理好了。。。）

数据链接：https://lzy-public-data