YOLOv2在自己的資料集上訓練以及測試
阿新 • • 發佈：2019-01-01
0.前言
因為yolo的作者不斷更新自己的版本，讓人使用和修改起來很不方便。因此這裡儲存一個自己的版本，並記錄如何在自己的資料集上訓練正框檢測模型。
1.YOLOv2程式碼備份：
2.修改檔案：
voc.data檔案：修改’classes’為待檢測的類別數（不包括背景），修改’train’為‘train.txt’檔案的路徑，用來存放所有訓練資料的路徑，修改’names’為’voc.names’的路徑，用來存在前面各個類別的名稱，修改’backup’為存放模型引數檔案的路徑。
tiny-yolo.cfg檔案：這裡以tiny-yolo.cfg檔案為例，說明如何修改網路配置檔案。在最下面’[region]’層引數中，修改’classes’為待檢測的類別數目，修改最後一個’[convolutional]’層的filter數目為num * (1 + classes + coords)，其中’num’,’classes’,’coords’均來自’[region]’層。
在’data’目錄下新建自己的資料目錄，如’mix_data’，在’mix_data’下新建’images’目錄，裡面存放所有的訓練和測試影象（一般建議jpg格式）,新建’labels’目錄，裡面存放每一張影象對應的label檔案，影象和對應的label檔案要求檔名一樣，label檔案的格式為txt形式，裡面每一行儲存一個object的標籤，格式為’class_id x y w h’，其中x, y, w, h都是用影象大小歸一化的。
在’data’目錄下新建’train.txt’檔案和’test.txt’檔案，分別存放訓練和測試的影象檔案路徑，建議都用絕對路徑。同時新建’voc.names’檔案，存放各個類別的名稱。
3. 編譯darknet
根據官網的提示，編譯darknet, 執行訓練指令和測試指令。