YOLOv2在自己的数据集上训练以及测试

0.前言

因为yolo的作者不断更新自己的版本，让人使用和修改起来很不方便。因此这里保存一个自己的版本，并记录如何在自己的数据集上训练正框检测模型。

1.YOLOv2代码备份：

备份地址：https://pan.baidu.com/s/1qZW8glY

2.修改文件：

1. voc.data文件：修改’classes’为待检测的类别数（不包括背景），修改’train’为‘train.txt’文件的路径，用来存放所有训练数据的路径，修改’names’为’voc.names’的路径，用来存在前面各个类别的名称，修改’backup’为存放模型参数文件的路径。

2. tiny-yolo.cfg文件：这里以tiny-yolo.cfg文件为例，说明如何修改网络配置文件。在最下面’[region]’层参数中，修改’classes’为待检测的类别数目，修改最后一个’[convolutional]’层的filter数目为num * (1 + classes + coords)，其中’num’,’classes’,’coords’均来自’[region]’层。

3. 在’data’目录下新建自己的数据目录，如’mix_data’，在’mix_data’下新建’images’目录，里面存放所有的训练和测试图像（一般建议jpg格式）,新建’labels’目录，里面存放每一张图像对应的label文件，图像和对应的label文件要求文件名一样，label文件的格式为txt形式，里面每一行存储一个object的标签，格式为’class_id x y w h’，其中x, y, w, h都是用图像大小归一化的。

4. 在’data’目录下新建’train.txt’文件和’test.txt’文件，分别存放训练和测试的图像文件路径，建议都用绝对路径。同时新建’voc.names’文件，存放各个类别的名称。

3. 编译darknet

根据官网的提示，编译darknet, 运行训练指令和测试指令。