利用yolov3 进行目标检测（可自定义检测的类别）

最近在研究车辆检测相关算法，因yolo算法的速度和精度基本均能满足要求，原版的yolo v3算法是检测多类物体，本人是在原来代码的基础上修改为检测单目标车辆，并基于预训练权重在VOC2007数据集上进行训练。
源代码：https://github.com/qqwweee/keras-yolo3
原作者已经给出了训练和测试方法，在此不再赘述。

要实现只检测“car”这一类别，要修改的地方有一下几个：

1、修改yolo.cfg文件
将yolo.cfg文件的classes修改为1，所有的filters=255的值修改为filters=18（计算方式为(classes+5)*3）。（为了不改变yolo.cfg，我是直接将yolo.cfg另存为car.cfg，再做修改）
注意：filters仅仅是Yolo层前的filters修改为18

2、修改类别文件
将coco_class.txt和voc_class.txt文件中的类别全部修改成‘car’ ，或在该目录下新建object_classes.txt文件，写入car。

3、修改voc_annocation.py， 生成数据集
将voc_annocation.py 中的classes修改成只有“car”一个，

准备数据集VOC2007, 然后运行voc_annocation.py生成2007_train.txt和2007_test.txt,2007_val.txt文件

4、生成预训练权重文件yolo_weights.h5

下载 yolov3.weights ，放到工程根目录下，cmd下切换到工程目录下，使用命令：

python convert.py -w car.cfg yolov3.weights model_data/yolo_weights.h5

注意，此处的car.cfg 为前面新建的，如果直接在原yolo.cfg上改的，则使用yolo.cfg

5、进行训练
运行 train.py 文件，注意更改训练文件目录(annotation_path)，类别文件目录(classes_path)。
训练完成后会生成一个logs文件夹，里面的000文件夹下会有训练好的权重文件，trained_weights_stage_1.h5 是第一阶段训练得到的（只训练后三层），trained_weights_final.h5是最终得到的训练权重文件（全训练）。

6、测试

修改yolo.py文件，将其中的model_path换成自己生成的trained_weights_final.h5文件的目录， classes_path 改成 待检测的目标类文件object_classes.txt.

最后就是加载图片或视频进行测试了。

也可根据需要，对应做上面的修改以满足指定类别物体的检测。
初学者，以上如有不正确之处请指出，谢谢！