coco训练集darknet_在COCO 数据集上训练YOLOv3模型

第一步，下载并配置COCO数据集。

a.git clone https://github.com/pdollar/coco

b.在coco文件夹里面新建一个images文件夹

c.将COCO数据集：

http://images.cocodataset.org/zips/train2014.zip

http://images.cocodataset.org/zips/val2014.zip

下载到images文件夹中，然后解压到当前文件夹

d.将COCO Metadata：

https://pjreddie.com/media/files/instances_train-val2014.zip

https://pjreddie.com/media/files/coco/5k.part

https://pjreddie.com/media/files/coco/trainvalno5k.part

https://pjreddie.com/media/files/coco/labels.tgz

下载到coco文件夹

然后将labels.tgz解压到当前文件夹得到labels文件夹

将instances_train-val2014.zip解压到当前文件夹得到annotations文件夹

f.在Windows下安装Linux子系统

g.在Windows下启动Ubuntu，先用命令

cd /mnt/d/darknet/coco/

切换到D盘下的coco文件夹，然后执行命令

paste 5k.txt

paste trainvalno5k.txt

设置图片列表，如下图所示

到此，完成在COCO 数据集上训练YOLOv3的COCO数据集下载与配置。

第二步，修改 coco.data配置文件。

在D:\darknet\cfg文件夹，打开coco.data，根据实际情况，修改配置文件

第三步，修改yolov3.cfg 配置文件。

在D:\darknet\cfg文件夹，打开yolov3.cfg，修改batch 和 subdivisions如下

第四步，训练模型。

在D:\darknet文件夹的地址栏中键入“cmd”，启动Windows命令行终端，运行命令：

darknet.exe detector train cfg\coco.data cfg\yolov3.cfg darknet53.conv.74

完毕！~

参考文件：

1, https://pjreddie.com/darknet/yolo/