YOLO工程代码如何在windows上配置和运行！window上YOLO训练样本的制作

我使用的YOLO的GPU版本工程是代码链接是：yolo-windows-master，其博客地址是：http://blog.csdn.net/sinat_30071459/article/details/53161113

CPU版本的博客地址是：http://blog.csdn.net/luojun2007/article/details/52370140

1、GPU配置，其中yolo使用的GPU版本的，其网上下载的代码基本是用CUDA7.5计算版本的，如果自己系统装的不是这个版本的则会出现加载工程失败，其错误信息如下：

此时双击上面的无法加载cuda属性表的错误，这个属性表是我们在安装CUDA时会在系统目录下自动生产相应版本的。如果我们安装的时8.0的，则改为：

保存后重新加载项目，此后会出现一些7.5的字眼，把其改为8.0即可，最后会出现一个：

这时关闭sln那个工程，打开自己的path路径下的\yolo-windows-master\build\darknet\darknet下的那个darknet.vcxproj工程，重新加载则可以加载成功。如下图：

接下来就时配置opencv、thread、cuda。

a、配置opencv，其默认使用的opencv版本时249的，如果配置自己的则需要删除掉：yolo_demo.c、yolo_kernels.cu

两个文件下的opencv引用。然后就可以配置自己的opencv了。

b、其中thead已经配置好了。也是需要自己手动配置工程的。

c、如果前面的cuda路径正确的话，则其也已经配置好了。也是需要自己手动配置工程的。

工程编译需要修改的地方：

a、这个工程使用的时没有配置生产debug的exe的，而是release模式的，此时我们应该做的是：右键解决方案-》配置属性，把图中的1跟2的属性选成一样的即可。

2、window上YOLO训练样本的制作

a、图像数据标注：

参考文章：http://blog.csdn.net/qq_30401249/article/details/51504816

其中使用BBox-Label-Tool的时候需要注意：要从Examples下有的那类开始标注，因为程序是从这里按类别加载例子数据的，如果没有加载到的话会报错。其代码如下;

       # load example bboxes，这说明刚开始标注数据的时候需要从Examples里有的类开始，否则会报错，然后退出。
        self.egDir = os.path.join(r'./Examples', '%03d' %(self.category))
        if not os.path.exists(self.egDir):
            return
        filelist = glob.glob(os.path.join(self.egDir, '*.JPEG'))
        self.tmp = []
        self.egList = []
        random.shuffle(filelist)
        for (i, f) in enumerate(filelist):
            if i == 3:
                break
            im = Image.open(f)
            r = min(SIZE[0] / im.size[0], SIZE[1] / im.size[1])
            new_size = int(r * im.size[0]), int(r * im.size[1])
            self.tmp.append(im.resize(new_size, Image.ANTIALIAS))
            self.egList.append(ImageTk.PhotoImage(self.tmp[-1]))
            self.egLabels[i].config(image = self.egList[-1], width = SIZE[0], height = SIZE[1])

        self.loadImage()
        print '%d images loaded from %s' %(self.total, s)

还有一个就是生成的标注数据格式：

class_number 
box1_x1 box1_y1 box1_width box1_height 
box2_x1 box2_y1 box2_width box2_height 
其中的class_number 指的是训练样本里的同类目标的个数，及在数据标注的时候如果有多个同类目标的话可以把其都标注出来，每次标注时会出现不同的颜色框，其对应于代码为：

# colors for the bboxes
COLORS = ['red', 'blue', 'yellow', 'pink', 'cyan', 'green', 'black']

对应的图片为：

b、接着就是数据转换，转成yolo能够处理的形式，其需要借助：darknet/scripts/convert.py 

其这个代码是在linux系统下的，如果应用带window上有一些需要修改的，主要参考：http://blog.csdn.net/qq_30401249/article/details/51564871 ，一些额外的修改或改正的地方：

（1）文件路径的正确与否：

mypath = "Labels/001/"   #路径要正确
outpath = "Labels/stopsign/"

（2）修改换行符：

for txt_name in txt_name_list:
    # txt_file =  open("Labels/stop_sign/001.txt", "r")

    """ Open input text files """
    txt_path = mypath + txt_name
    print("Input:" + txt_path)
    txt_file = open(txt_path, "r")
    lines = txt_file.read().split('\n')  # for ubuntu, use "\r\n" instead of "\n" 

 注意：网上下载的这个转换代码基本上是linux上运行的，其换行符石“\r\n”,所以当我们在window上运行时需要改为“\n”.否则程序会报错。

注意上面的几步，基本可以完成数据的转化，其转换结果会为：

class_index box1_x1_ratio box1_y1_ratio box1_width_ratio box1_height_ratio 
class_index box2_x1_ratio box2_y1_ratio box2_width_ratio box2_height_ratio 
这里的class_index 与上面的class_number 不同，这里是类别索引，就是自己的类别在数组里的ID，例子如下：

其中相应的代码为：

classes = ["001","002"]
.......
cls = "001"
if cls not in classes:
    exit(0)
cls_id = classes.index(cls)

c、生成标签文件：

打开./data/labels/make_labels.py 
加入需要生成的标签，注意标签的文件名stopsign.png和yeildsign.png需要与存放图像的文件夹images和存放框信息的labels文件夹下面的文件夹名称相同。

其主要是通过使用python的os指令来运行shell里的convert命令。os的使用方法如下：

对应在darknet/src/yolo.c中是：

void run_yolo(int argc, char **argv)
{
    int i;
    for(i = 0; i < 20; ++i){
        char buff[256];
        sprintf(buff, "data/labels/%s.png", voc_names[i]);
        voc_labels[i] = load_image_color(buff, 0, 0);
    }
}

至此：训练样本的制作已经完成，接下来的工作就是修改网络进行训练；还有v2版的是不用生产标签文件了，只要在data下有labels文件夹即可。

d:相关文件的修改：