yolo模型的使用

老板需要做目标检测的项目于是学习了一下yolo的使用，在这里贴一些使用过程中的心得，方便日后查阅和交流

相关资源：

yolo官网：https://pjreddie.com/darknet/yolo/

yolo的pytorch实现：https://github.com/eriklindernoren/PyTorch-YOLOv3

针对pytorch实现yolo代码的注释：https://gitee.com/yeye0810/PyTorch-YOLOv3

图片标记工具：https://github.com/tzutalin/labelImg

yolo使用步骤：

相关参数修改

修改文件中的sets和class sets用于指定路径 class用于指定类别 根据voc_label.py的路径存放图片和xml文件 Main文件中的train.txt文件存放所有图片的名称(不带jpg)

cd darknet
cd cfg
vim yolov3-voc.cfg

文档开头需要指定训练格式还是test格式 由于自身计算能力的限制需要将batch更改为32（测试时出现存储转载的现象，所以将该batch改为32），更改yolo下的class和yolo上一层convolution的filter, filter的值为（classes+5）*3

vim voc.data

修改里面的class,train(train为voc_label.py生成的txt文件的绝对路径),names是类名的路径,backup为训练后权重文件的存储路径

cd data
vim voc0.names

将class的名称存入

训练：

命令

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1

cfg/voc.data要训练的数据 cfg/yolov3-voc.cfg要训练的模型 darknet53.conv.74预训练参数 -gpus 使用gpu运算 0,1使用两块gpu, 更多的话用0,1,2,3

测试：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg