很高興現在已經有幾百人通過我的教程成功地使用yolo處理自己的資料集。
最近一直在用cnn的模型做影象二分類，但苦於效果不佳，於是把影象分類問題轉作目標識別問題。做目標識別選擇了yolo（you only look once）,乙個最近推出的方法，突出的優點就是速度快。查詢了網上關於yolo的訓練自己資料集的方法，大都存在一點問題，而且yolo不久前更新到version2版本。在自己的親身試驗後，將yolo的使用寫成心得。
1.yolo
yolo的官網：
yolo的官網介紹了yolo的安裝與測試。建議大家多看看英文官網，因為中文網更新的慢，而且有部分內容省略了。按照官網的步驟就不會有錯。
2.資料的預處理
3.修改配置檔案
接下來就是修改配置檔案了：
a.cfg/voc.data檔案中:
classes= 1
train = /home/pdd/pdwork/darknet2/darknet/voc/cat/trainimagepath.txt
valid = /home/pdd/pdwork/darknet2/darknet/voc/cat/validateimagepath.txt
names = data/cats.names
classes存放類別總數（這裡只有cat一種），train 和valid 放著的是訓練和驗證的路徑，cats.names存放的是方框注釋，這裡只有cat一行：
將[region]中的classes改為1（這裡只有cat一類），將最後乙個[convolutional]（緊挨著[region]的前乙個）中的filter改為30（filter的公式filters=(classes+ coords+ 1)* (num) ，我的是(1+4+1)* 5=30）。
c.cats.names
在data資料夾下新建cats.names，具體見a。
4
5.訓練
在darknet資料夾路徑下執行命令：
./darknet detector train cfg/voc.data cfg/yolo-voc.cfg cfg/darknet19_448.conv.23
系統缺省會迭代45000次batch，如果需要修改訓練次數，進入cfg/yolo_voc.cfg修改max_batches的值。
6.測試
訓練完成後，模型成功儲存，輸入命令測試一下這個模型吧：
使用yolo3模型訓練自己的資料集
1.ubuntu16.04 2.tensorflow gpu 1.4.0 或更高版本 3.keras 2.2.4 4.numpy 1.15.2 實測1.16.1會報錯 1.使用voc2007資料集的檔案結構 注 資料集中沒有test.py，你需要將其拷貝到voc2007資料夾下。2.標註 使用lab...
yolo生成和訓練資料集
裡面共有兩個資料夾，現在我們使用的是xml2txt xml2txt.py檔案來對我們資料進行處理，首先你需要把你所有標註的xml檔案和所有的檔案放在一起，就像這樣 這是手機拍的 所有檔名很麻煩。明白博主為什麼要重新命名所有的了吧 接著切到剛才的xml2txt.py資料夾內，使用命令 python x...
使用YOLO訓練Kitti資料集
其他文章 上次寫了一篇關於使用yolo訓練voc資料集的文章，傳送門 article details 78724314 但是總不能只使用乙個資料集，多使用幾個資料集看看效果。因為我主要在做車輛和行人方面的檢測。正好kitti 資料集是做無人駕駛方面的公開權威資料集，包含大量公路，城市街道等各種路況的...