（官方步骤）YOLO-V3训练VOC数据集

前提：编译好darknet，教程参考本人链接：https://blog.csdn.net/qq_34806812/article/details/81167836

开始：

darknet目录下新建VOC文件夹

VOC 2012和2007数据集下载地址（右键复制链接用迅雷打开，速度很快）：

https://pjreddie.com/projects/pascal-voc-dataset-mirror/

下载好的数据集放到VOC文件夹，解压

tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

为图片数据集生成txt的标签文件

txt标签文件每行格式如下：（类别，x，y，宽，高）

下载voc_label.py文件并运行，将文件下载到VOCdevkit同级的路径下，生成训练和验证的文件列表 ，如果下载好了darknet项目，在darknet/scripts/目录下也有voc_lable.py

wget https://pjreddie.com/media/files/voc_label.py
python voc_label.py

执行完后，VOCdevkit/VOC2007/labels/ 和 VOCdevkit/VOC2012/labels/可以看到生成的标签文件，voc目录下也生成5个txt格式的list文件。

训练除了07测试集外的所有数据集，需要整合为一个大的训练list：

cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

修改 cfg/voc.data：2、3行改为自己的路径

在darknet目录下载权重文件：

wget https://pjreddie.com/media/files/darknet53.conv.74

开始训练：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

 

将训练得到的weights文件拷贝到darknet/weights文件夹下面,运行以下命令检测图片：

./darknet detector test  cfg/voc.data cfg/yolov3-voc.cfg weights/yolov3.weights data/dog.jpg