yolo v2微调

论文：YOLO9000: Better, Faster, Stronger
参考论文笔记：
http://blog.csdn.net/jesse_mx/article/details/53925356

1.准备数据，标签做成如下格式：
object class x y width height
如果下载的数据标签格式是voc，可以下载python文件转换：
curl -O http://pjreddie.com/media/files/voc_label.py

2.修改cfg文件
参考：http://blog.csdn.net/u014540717/article/details/53424843
如果你想用22层模型的就修改cfg/yolo-voc.cfg，你想用9层的模型就修改cfg/tiny-yolo-voc.cfg，两者修改方式一样，我们以yolo-voc.cfg为例：
复制cfg文件

$cp cfg/yolo-voc.cfg cfg/yolo-fddb.cfg
打开yolo-fddb.cfg文件，并作如下修改

a. 将learning_rate=0.0001改为learning_rate=0.00005
b. 将max_batches = 45000改为max_batches = 200000
c. 将classes=20改为classes=1
d. 将最后一层[convolutional]层的filters=125改为filters=30，filters的计算公式如下，请根据你自己数据的类别数量修改
filters=num∗(classes+coords+1)=5∗(1+4+1)=30

3.修改voc.names
微调几类，保存几类，我们只微调一类car

4.修改voc.dat文件，指定训练数据，验证数据，类别名称，结果模型保存位置
classes= 20
train = /train.txt
valid = 2007_test.txt
names = data/voc.names
backup = backup

5.下载预训练卷积权重
curl -O http://pjreddie.com/media/files/darknet19_448.conv.23
或者自己生成预训练的卷积权值
./darknet partial cfg/darknet19_448.cfg darknet19_448.weights darknet19_448.conv.23 23

6.开始微调
./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23