yolov2训练自己的数据（win10超详细版）

从今年四月份开始报名参加了软件杯，参赛题目是基于人工智能和机器视觉的安全帽提取和分析。因为这个题目有幸接触到了yolov2–实时目标检测框架。
关于yolov2的介绍各位只要去上网搜一下就可以查到很多相关资料介绍。今天详细介绍一下如何用yolov2训练自己的数据。
官方提供的windows下的训练教程

以下是训练详细步骤

1. 下载yolov2代码
   yolov2 代码网址

2. 配置yolov2环境：vs2015+opencv3.4+cuda8.0+cudnn7
   （1）步骤1完成之后在darknet目录下找到darknet.sln，用VS2015打开之后darknet.sln后导入opencv（导入opencv教程）
   （2）接下来导入cuda8.0.由于官方建议的是cuda9.1版本，如果不是使用该版本应该先打开darknet.vcxproj修改第55行和第288行将CUDA 9.1.targets改为CUDA 8.0.targets，保存。（vs2015配置cuda教程）
   （3）上面的步骤如果都配置成功之后，在release X64的环境下点击生成选项下面的重新生成解决方案，然后经过一段时间（一两分钟）的编译后生成对应的darknet.exe(在build\darknet\x64)

3. 准备自己的数据集
   (1) 将自己的数据集图片标注：标注软件LabelImage 下载地址
   标注完成之后会生成对应的xml文件，使用LabelImage标注后的xml格式
   

这时候还需要用另外的工具（如何转换？）将xml转换为txt格式才行。
最后转换后的txt格式：

(2) 将对应的xml文件转换为txt文件之后，将图片与txt文件放在 这个目录下。
（3）修改对应的配置文件：
复制yolo.2.0.cfg文件并命名为yolo_obj.cfg（注意最好不要直接修改yolo.2.0.cfg文件，以便日后可以作为参考），并修改两处地方：

修改230行的classes，其中classes为你标注的目标的种类数（我这里标注了三类）

修改224行的filters， filters的计算公式=（classes+5）* 8 所以这里为40。
修改完毕后保存即可。
接下来创建obj.names和obj.data，内容分别为：
obj.data

其中上图中的train.txt为训练集的存放路径文件，test.txt则为预测用的数据集存放路径，格式为：

data/obj/851.jpg
data/obj/852.jpg
data/obj/853.jpg
data/obj/854.jpg
data/obj/855.jpg

obj.names

4. 开始训练
（1）如果第2步的环境配置成功，则相应的会生成darknet.exe。通过win+R打开cmd，进入对应的目录后，执行命令
darknet.exe detector train data/obj.data yolo-obj.cfg darknet19_448.conv.23

没有出错的话则会开始进入训练，

如果你能看到跟我截图类似的情况，那恭喜你，你已经可以开始跟yolov2一起开心的玩耍了。如有不懂的地方或者我写错的地方欢迎提出来一起讨论。