darknet-yolo训练自己的数据

https://www.cnblogs.com/answerThe/p/11481564.html

上面这篇文章已经写的非常详细了。有一点在我的实际情况中有点不一样，就是我的图片有些是没有标注内容的，在运行my_lables.py的时候会报错，我是这样修改的，直接跳过没有标注过的图片，不知道后面会不会出现问题，在这里先记录一下，代码如下：

def convert_annotation(year, image_id):
    in_file = open('myData/Annotations/%s.xml' % (image_id))  # VOCdevkit/VOC%s/Annotations/%s.xml
    out_file = open('myData/labels/%s.txt' % (image_id), 'w')  # VOCdevkit/VOC%s/labels/%s.txt
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    # print(type(size))
    if size is None: # 修改内容，如果图片上没有标记内容，size.find会报错
        print(image_id)
        return
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

暂时记录到这里，在下载权重，看看这样跳过训练时会不会发生什么问题。