大家好，我是小p，今天给大家带来一期用darknet版本YOLO V3训练自己数据集的教程，希望大家喜欢。
欢迎加入对象检测群813221712讨论和交流，进群请看群公告！
一、搭建环境
搭建环境和验证环境是否已经正确配置已在YOLOV3实战1中详细介绍，请一定要先解决环境问题，有任何疑问，欢迎入群@或者求助其他小伙伴。
二、数据准备
总体简介：YOLOV3 训练训练自己的数据集时你一共需要修改6个文件，如表1所示：
表1 训练需要准备的文件列表
| 文件名 | 文件路径 | 文件说明 |
|---|---|---|
| makefile | darknet-master | 编译生成可执行程序的文件，在其中指定是否使用GPU和Cuda，是否使用摄像头、OpenCV等 |
| train.txt | 自定义 | 保存训练图片的路径，每一行为一张图片的完整路径，一般报找不到xx图片的错误多半是本文件格式不对 |
| label文件夹 | 自定义 | 整个文件夹存放所有图片的标注信息，标注信息用txt文档保存，详细信息见下 |
| .cfg文件 | darknet-master/cfg/ | .cfg指定了网络的结构和其他超参数，有关cfg的详细说明请关注YOLOV3实战4或进群讨论 |
| .names文件 | 自定义 | 该文件中的内容指定了训练的标签，如：person,car等，一个标签占用一行，示例见：data/coco.names |
| .data文件 | 自定义 | 该文件中的内容指示了上述train.tx *.names和模型保存的位置等，参考cfg/coco.data的内容 |
详细修改：
1、修改makefile文件，makefile文件一共改4处。
① 修改开始几行的内容，如下图所示 ，0表示否，1表示是，自己根据实际情况设置，建议使用GPU和CUDA
GPU：是否使用GPU？ CUDNN：是否开启CUDA加速？ OPENCV：是否使用OpenCV?
OPENMP:是否使用摄像头？ DEBUG:是否开启调试模式？
②改运算的架构，自己显卡支持什么架构可以自己查询，按需修改，也可以使用默认值：
③更改NVCC值：23行处，NVCC=nvcc，改为你cuda路径下的nvcc，实测也可以不改，因人而异。
④改cuda路径值：48行处，参考图如下：
此处的路径改为你安装cuda的路径，一般只需要把cuda换成cuda-9.0或者其他类似，如果安装过程添加了软连接，也可以不用修改
2、生成 train.txt
train.txt中的内容为：每一行代表一张训练图片的完整路径，一定要注意一行只能是一张图片哦，自己写脚本生成即可，python推荐函数os.listdir()遍历一个文件夹的所有文件，样本示例如下图所示：
3、制作标签文件夹
总原则：每张训练图片生成一个以图片名命名的txt标签文档，假设有：1.jpg 2.jpg 3.jpg 三张训练图片
那你就需要生成1.txt 2.txt 3.txt 这三个标签文档，同时train.txt中一定是3行内容。标签文档示例如下图：
其中每一行表示该图片中一个矩形框的信息。以第一行内容举例：
第一列表示该矩形框中对象的类别索引号，这个类别索引号与.names中的顺序有关，从上到下，索引号从0开始
第二列表示该矩形框的中心点的x坐标值，第三列表示该矩形框的中心点的y坐标值
第四列表示该矩形框的宽度值，第五列表示该矩形框的高度值
注意：第2-5列的值都是归一化后的值，x和宽度值相对于图片的宽归一化，y和高度值相对图片的高度归一化
制作标签文档的编程并不复杂，可以参考darknet-master/scripts/voc_label.py 进行简单修改即可，自己设计也简单
4、修改.cfg的内容（小重点，前期不难）
说明：作此修改之前强烈建议观看我的另一期博客对cfg文件的说明，否则很多参数说不明白
以修改yolov3.cfg为例，建议备份，以免改错！
首先修改batch和subdivision的值，参考博客按需修改
其次改yolo层前一层的卷积核数目★★★，一共改三处，注意是三处，少一处都不行！位置如图所示：
三处的位置都是在yolo层的上一层描述的地方，具体修改的值根据你数据集的类别数确定，该值为：
3*（类别数+5），比如COCO有80类，则其值为：3*（80+5）=255，注意类别数不包含背景哦。
5、修改.names内容
其为标签名称，每一个标签名称占一行，根据自己需要修改，示例图如下：
6、修改.data内容
先看示例图：
classes=80 该值表示你数据集的类别数。
train 后面的内容 表示刚才你生成的train.txt的路径
valid 后面的内容不管
names 后面的内容为刚才生成的.names的路径
backup 后面的内容为保存模型的路径，注意这个路径一定要存在，没有文件夹则先新建
eval 后面的内容不关心
‘#’ 后面的内容表示注释
注意：标签文档存放的路径一定要和训练图片的路径关联，具体参考我源码注释：data.c中fill_truth_detection函数的说明，一时半会解释不清楚
二、开始训练吧，骚年！
训练之前，由于更改了makefile的内容，先命令行：make clean 再make
训练命令：
./darknet detector train <.data文件路径> <.cfg文件路径> <预训练权重路径，一般为darknet53.74什么的那个，官网下载> -gpus 0,1，如：
./darknet detector train cfg/coco.data cfg/yolov3.cfg darknet53.** -gpus 0,1,2,3
-gpus后面指定所使用的GPU编号
如果不出意外，不，你不可能出意外，你已经踏上了YOLOV3 训练自己检测数据集的快船，Come on!老铁
三、加群交流，重要的事情说三遍
敬请期待YOLOV3常见错误总结篇，码字不易，且行且珍惜！