6，voc資料集訓練模型
可以把資料存放到vocdevkit/目錄下
2）生成識別標籤
識別標籤必須是.txt檔案的，具體格式如下：
object-class 是分類的名稱
其餘元素是關聯到的畫素，寬和高的
幾分鐘後，就會生成相應的檔案存放到：
vocdevkit/voc2007/labels/ 或者 vocdevkit/voc2012/labels/下面：
ls2007_test.txt vocdevkit
2007_train.txt voc_label.py
2007_val.txt voctest_06-nov-2007.tar
2012_train.txt voctrainval_06-nov-2007.tar
2012_val.txt voctrainval_11-may-2012.tar
我們可以把自己真正要訓練的檔案合併成乙個：
cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
3）修改配置指向的資料（pascal data）
在cfg/voc.data裡配置資料的指向：
1 classes= 202 train = /train.txt
3 valid = 2007_test.txt
4 names = data/voc.names
5 backup = backup
就是你資料集的指向
這裡用到卷積的權重是imagenet預訓練提供：
5）訓練模型
./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23
7,用coco 訓練yolo模型
coco資料集，我沒有用過，具體可以檢視 了解一下
1）獲取coco資料集
cp scripts/get_coco_dataset.shdata
cd data
bash get_coco_dataset.
sh
這樣標籤和資料集都有了。
2）配置資料集的指向
在cfg/coco.data配置檔案裡配置：
1 classes= 802 train = /trainvalno5k.txt
3 valid = /5k.txt
4 names = data/coco.names
5 backup = backup
是你的具體路徑指向
另外還需要配置你資料集是用於訓練不是測試的，預設是測試的配置，在cfg/yolo.cfg:
[net]# testing
# batch=1
# subdivisions=1
# training
batch=64
subdivisions=8
....
3)訓練模型
./darknet detector train cfg/coco.data cfg/yolo.cfg darknet19_448.conv.23
4）啟用gpus執行訓練，加速
./darknet detector train cfg/coco.data cfg/yolo.cfg darknet19_448.conv.23 -gpus 0,1,2,3
5）訓練暫停或者從斷點開始訓練
./darknet detector train cfg/coco.data cfg/yolo.cfg backup/yolo.backup -gpus 0,1,2,3
8，官方特別宣告的
@article,author=,
journal=,
year=
}
YOLO 演算法框架的使用一（初級）
yolo官方框架使用c寫的，效能槓槓的，yolo演算法，我就不做過多介紹了。先簡單介紹一下這個框架如何使用。這裡預設是yolo2，yolo1接近過時。環境 推薦ubuntu 或者centos yolo是乙個近實時的框架，在1核cpu下，對一張的識別大概在6s 12s之間，其實還是在沒有快取的環境下執...
YOLO演算法總結
步驟 1.輸入 608,608,3 2.經過cnn處理，輸出 19,19,5,85 3.展開以上矩陣後為 19,19,425 每個19 19的網格裡有425個數字 425 5 85，每個網格裡有5個achor box，achor box中有85個數字 85 5 80，pc,bx,by,bw,bh,c...
Yolo系演算法
一 yolo系演算法 目前深度學習相關的目標檢測方法大致可以分為兩派 1 基於區域提名的 regin proposal 的，比如r cnn spp net fast r cnn faster r cnn r fcn。2 基於端到端 end to end 的，無需候選區域，如yolo ssd。二者發展...