利用YOLO实现自己的目标检测

因为很多是我按照记忆来写的，可能会有错误，大家一定按照给的链接为准，参考这些即可。。。。。

最近，在师哥的引导下，接触了一下YOLO算法，是近年来一个比较好的目标检测算法，而且它有自己的开源深度学习框架—darknet，使用起来比较简单，对于我一个新手来说，挺直白的这个，可以学习一下。

我是在ubuntu16.04下配置的darknet，darknet的安装比较简单，官网上有详细的步骤，按部就班就能装上。

darknet的   官网   

darknet的安装并不困难，但是因为要训练，就需要配置GPU，要安装显卡驱动，这里面的坑是巨大的，我是站在师哥的肩膀上，师哥已经配置好了，就方便多了，使用darknet不难，配置GPU是真的坑多，按照教程一步一步来，不行就多配置几遍，因为就算第一次配置成了，下一次也不一定成功，配置就是这么烦的工作。我推荐一个网址，可以按照下面链接的教程来。

                                                                  Ubuntu配置GPU

这里面比较别扭的是要很多操作要进入字符界面操作，但是像我这样对Ubuntu系统很不熟悉，几乎陌生的人，玩不转，但是只要耐心多弄几次，不会的就多百度，慢慢就弄出来了，详细的步骤就按照上面的教程来。

还需安装opencv，配置opencv。。。。。

下面说一下，怎么利用YOLO算法的darknet框架来进行自己的目标检测。

先贴一个github教程        

          Yolo-v3 and Yolo-v2 for Windows and Linux

就按照这个教程来，就能做出自己的目标检测了，下面我再解释几个重要的部分。

首先要有样本，我们要有图片，需要对图片进行标注，这里面就要用到一个标注工具  YOLO—mark，需要下载这个包，然后编译配置，安装这个教程来         YOLO—mark    

先把github上的这个包下载下来，解压，然后就把一些文件的参数改改，把图片替换成自己的就行。

先把 x64/Release下的yolo-obj.cfg 文件中的classes和filters改成自己的，classes就是你要检测目标一共有多少种，filters=（classes+5）*5，打开yolo-obj.cfg 文件，按住Ctrl+f搜索classes跟filters，改成自己需要的数，classes只有一个，filters有很多，改哪一个，看一下上面那个教程，只需要修改一处。。

然后再对x64/Release/data下的进行修改。img里面的照片换成自己的，按上面给的教程修改obj.data和obj.names文件里面的内容，obj.data文件里要修改的就是classes，自己检测多少种，就改多少。obj.names就是要检测目标的名字，比如cat，dog，car。。。。一个名字一行。。。train.txt不用动，这个文件是一会运行自动生成的，里面是你标注过的图片的路径。那两个文件怎么修改，参考上面的教程即可，这就不多啰嗦了。train.txt文件内容参考下图

首先cd Yolo_mark-master，先到Yolo_mark-master这个文件夹路径下

然后按照指令编译即可

cmake .     （注意cmake和  .  之间是有一个空格的）

make

编译好了会生成一些文件，如下图

第一个文件夹，第3,4个文件，还有倒数第三个可执行程序就是新生成的。

然后 ./linux_mark.sh 就会运行了。

输入./linux_mark.sh这个指令可能会报错，缺少权限，再输入指令

chmod a+x ./linux_mark.sh

再输入

./linux_mark.sh

应该就可以成功运行了，这就解决了标注问题。标注除了会生成那个train.txt文件外，再就会在img文件夹下生成一些txt文件，标注一张图片都会生成想应的txt文件，文件里面就是标注框的中心点坐标和标注框的长宽，长和宽是按照一定比例折算的，不是实际的大小。

剩下的工作就是将你所需要训练的照片都标注上，标注完成后将data文件复制到darknet/x64/Release/下，替换原来的data文件夹。

然后需要修改yolo-obj.cfg文件里面的内容，到darknet/cfg/下，找到yolov3.cfg，将里面的内容复制到yolo-obj.cfg文件中。

需要修改一些内容，还是按住Ctrl+f搜索classes，一共三处classes，换成你要检测的种类。再搜索yolo，将yolo层上面的filters改成（classes+5）*3，也是一共三处，参考下图。具体参考yolov3。。。for win and linux那个教程，会告诉具体修改哪一行。

这里要注意，不要跟配置标注工具的时候混淆了。。。。。。。filters的计算是不一样的，数目也不一样，标注工具的只有一处，这有三处。。。。。。

          

在训练的时候，按照下图

测试的时候，按照下图修改

正常训练过程如下图

如果，全部都显示nan，说明训练发生错误，可能是哪个文件没修改对，期望的是class趋近1，obj趋近1，no obj趋近0。

前900次，每100次会生成一个模型，后面10000次生成一个，存储在darknet/backup文件夹下

其中yolo-obj.backup这个是实时存储的，剩下的到了一定步数生成的。

在训练的时候一定要修改yolo-obj.cfg文件，将来转换为训练模式，测试的时候记得修改成测试模式。

下面是训练指令

./darknet detector train 是训练固定的   x64/Release/data 是obj.data的路径  x64/Release是yolo-obj.cfg的路径，cd darknet是到了darknet路径下，即它们都是在darknrt路径下的

下面是测试指令

backup/yolo-obj.backup是保存在backup文件下的训练生成的模型

data/test1241.jpg是data文件夹下的一张测试图片

对于一个ubuntu的新手来说，务必要搞清楚这些路径问题。。。。。。。

因为很多是我按照记忆来写的，可能会有错误，大家一定按照给的链接为准，参考这些即可。。。。。