Yolov2训练自己的数据

一、把20类改成1类

cfg/voc.data文件中:

names=data/pasacal.names。

pasacal.names这一个文件要存在于darknet目录下的data文件夹里，没有的话可以自己在那个目录下创建一个pasacal.txt，加上内容之后，修改文件后缀名变成pasacal.names即可，当然名字和路径都可以自己定义。这个文件中的行数要和类数一致，每一行都是一个类别的名字。比如我的这一文件中就只有一行数据：“person”。这个文件在测试你训练的model的时候会用到，系统会在图片上画出bounding box，bounding box上面的文字，也就是这个框中物体的名字，应该就来自这个文件。

2、cfg/yolov2-voc.cfg文件中 :

【region】层中 classes 改成1。

【region】层上方第一个【convolution】层，其中的filters值要进行修改，改成(classes+ coords+ 1)* (NUM) ，我的情况中：(1+4+1)* 5=30，我把filters 的值改成了30。

修改filters的建议来源自（https://groups.google.com/forum/#!topic/darknet/B4rSpOo84yg），我修改了之后一切正常。

3、examples/yolo.c 文件中 :

位置大约第14行左右改成：char *voc_names={“n00000001”}，原来里面有20类的名字，我改成了唯一1类的名字。
位置大约第328行左右，修改draw_detection这个函数最后一个参数：20改成1。这个函数用于把系统检测出的框给画出来，并把画完框的图片传回第一个参数im中，用于保存和显示。
位置大约第361行左右，demo函数中，倒数第三个参数我把20改成了1，虽然不知道有没有用，反正对结果没什么影响。

4、src/yolo_kernels.cu 文件中 :

位置第62行，draw_detection这个函数最后一个参数20改成1。

二、准备txt文档

三、修改路径

1、cfg/voc.data文件中:

train = /home/yolo_v2_tinydarknet/darknet/infrared/infrared_train.txt //infrared_train.txt的完整路径
valid = /home/yolo_v2_tinydarknet/darknet/infrared/infrared_val.txt //infrared_val.txt的完整路径
backup = /home/yolo_v2_tinydarknet/darknet/backup/ /* 这个路径是YOLO用于备份的，在训练过程中YOLO会不断地对产生的weights文件进行备份，darknet目录下就自带一个backup文件夹，这个路径指向那里。

2、examples/yolo.c 文件中:

train_yolo函数中：

char *train_images =" /home/yolo_v2_tinydarknet/darknet/infrared/infrared_train.txt";//infrared_train.txt的完整路径
char *backup_directory = "/home/yolo_v2_tinydarknet/darknet/backup/";//可以修改为自己的路径

validate_yolo函数中：

char *base = "/home/yolo_v2_tinydarknet/darknet/results/comp4_det_test_";//可以修改自己的路径，好像是用于保存测试结果
list *plist=get_paths("/home/yolo_v2_tinydarknet/darknet/infrared/infrared_val.txt");//infrared_val.txt的完整路径

validate_yolo_recall函数中：

char *base = "/home/yolo_v2_tinydarknet/darknet/results/comp4_det_test_";//可以修改自己的路径
list *plist = get_paths("/home/yolo_v2_tinydarknet/darknet/infrared/infrared_val.txt");//infrared_val.txt的完整路径

3、src/detector.c 文件中:

位置第375行改成：list *plist = get_paths(“/home/yolo_v2_tinydarknet/darknet/infrared/infrared_val.txt”);//改成infrared_val.txt的完整路径

需要注意的是，这个文件里的validate_detector_recall函数是用来计算输出recall值的，后面会说

对了，可能你注意到，输入到系统的infrared_train.txt或者infrared_val.txt都只是图片的完整路径，你也知道，要进行训练的话，除了需要图片还需要标记信息，然而标记信息仅仅用我的脚本voc_label_change.py从xml转换成了YOLO可识别的txt格式，但是它们的完整路径并没有输入进系统，那么系统该怎么找到它们呢？

因为在训练集中，一个图片文件和这一图片文件对应标记文件，他们俩除了后缀名之外其余的名称是一样的，所以src/yolo.c中有以下语句：

          find_replace(path, "dout", "labels", labelpath);
          find_replace(labelpath, "JPEGImages", "labels", labelpath);
          find_replace(labelpath, ".jpg", ".txt", labelpath);
          find_replace(labelpath, ".JPEG", ".txt", labelpath);

函数会找到路径中的图片后缀名.jpg，自动替换成.txt。比如：
/home/yolo_v2_tinydarknet/darknet/infrared/image/dout/0000.jpg
自动替换后变成了
/home/yolo_v2_tinydarknet/darknet/infrared/image/dout/0000.txt
所以在使用voc_label_new.py转换生成txt格式的标记信息之后，只需要把这些txt格式的标记文件复制到图片所在的目录下即可。系统根据替换后的路径地址来读取对应标记文件。

Yolov2训练自己的数据

推荐阅读