Ubuntu下安装darknet利用YOLOv3训练自己的数据集

一、数据集的准备

       利用LabelImg标注图片，可以直接生成适合YOLO的.txt文件（在win10下，安装anaconda，创建python3.5的虚拟环境，在cmd命令行用activate py35激活虚拟环境（conda deactivate退出虚拟环境），然后在命令行输入python labelImg.py打开标注界面进行标注，predefined_classes.txt为要分类的种类）

按下列文件夹结构，将训练数据集放到各个文件夹下面，生成4个训练、测试和验证txt文件列表 
VOCdevkit 
—VOC2019
——labels
——ImageSets 
———Main

—————train.txt

—————trainval.txt
——JPEGImages 
Labels中是所有的txt文件 
JPEGImages中是所有的训练图片 
Main中是4个txt文件，其中test.txt是测试集，train.txt是训练集，trainval.txt是验证集。

二、下载Imagenet上预先训练的权重

wget https://pjreddie.com/media/files/darknet53.conv.74

三、修改cfg/voc.data
classes= 6 #classes为训练样本集的类别总数
train  = /home/user/darknet/train.txt  #train的路径为训练样本集所在的路径
valid  = /home/user/darknet/trainval.txt  #valid的路径为验证样本集所在的路径
names = data/voc.names  #names的路径为data/voc.names文件所在的路径
backup = backup

四、修改data/voc.names 为样本集的标签名

五、修改cfg/yolov3-voc.cfg

六、训练模型

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg cfg/darknet53.conv.74 -gpus 0

注意点：

1. 在yolo中训练时，修改源码文件detector后需要make clean 后重新make，修改cfg文件后不需要
2. ./darknet detector test ……是检测图片，./darknet detector demo……是检测视频
3. filters数目是怎么计算的：3x(classes数目+5)

参考博客：

https://blog.csdn.net/qq_31442743/article/details/81087346

https://www.cnblogs.com/qinguoyi/p/8507803.html

https://blog.csdn.net/maweifei/article/details/81137563

https://blog.csdn.net/weixin_42731241/article/details/81352013

https://blog.csdn.net/john_bh/article/details/80625220

https://blog.csdn.net/qq_34806812/article/details/81673798