darknet 如何训练自己的数据集

darknet 官网：https://pjreddie.com/

1、使用matlab2017的 trainingImageLabeler命令对图像进行标记，并产生table数据类型；
2、将table中数据转化为指定的xml文件(img_to_xml_table.m)；
3、将Annotations中的数据生成trainval.txt、train.txt、val.txt、test.txt文件(generate_label.m)；
4、在darknet/scripts/下新建VOCdeckit文件夹，接着在VOCdeckit文件夹下新建VOC2007子文件夹。然后在VOC2007下新建Annotations、ImageSets、JPEGImages文件夹；
5、将xml文件放入Annotations文件夹下，在图片放入JPEGImages文件夹下，在ImageSets下新建Main文件，将trainval.txt、train.txt、val.txt、test.txt放入其中；
6、编辑voc_label.py，将sets修改为[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]，将classes修改为类别种类信息。另外，将os.system()中的2012_train.txt 2012_val.txt删除，并运行python voc_label.py命令；
7、编辑darknet/cfg/voc.data，将classes修改为类别数目，train和valid分别为2007_train.txt和2007_val.txt的路径；
8、编辑darknet/data/voc.names，填入类别的名称；
9、编辑darknet/data/yolov3-voc.cfg，修改类别信息;
10、运行./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74命令，即可训练自己的数据集。