Darknet框架1：YOLOV3-Darknet环境搭建+训练COCO数据集了解！

YOLOV3-Darknet环境搭建+训练COCO数据集了解！

• 下一篇博客具体的实战：YOLOV3-使用Darknet训练检测自定义模型+COCO数据集！

一、Darknet介绍

1.1、Darknet

简要介绍：

• 一种较为轻型的完全基于C和CUDA的开源深度学习框架。
• 容易安装，没有任何的依赖项，移植性非常的好，支持CPU和GPU两种计算方式。
• Darknet官网：https://pjreddie.com/darknet/
• GitHub上找到Darknet源代码：https://github.com/pjreddie/darknet

Darknet的一些特性：

• Darknet完全由C语言实现，没有任何的依赖项，当然可以使用OpenCV(我们在编译Darknet的时候，有一个配置文件makefile文件，我们通过配置makefile文件来指定它是否使用OpenCV)，但OpenCV只是用来显示图片，为了更好的可视化；
• Darknet支持CPU和GPU(CUDA和cuDNN)；
• 一款轻量级的深度学习框架，灵活性，适合用来研究底层，可以更为方便的从底层对其进行扩展；
• Darknet的实现与Caffee的实现存在相似的地方；

1.2、数据集标注工具labelImg的简介

参考我之前的链接：DL笔记：PascalVOC 数据集介绍+数据集标注工具！

二、训练YOLO V3关注2个点

2.1、网络配置文件.cfg

• 中括号+网络层的名字定义当前网络属于什么层。输入图像的信息；训练过程用到的信息；数据增强的一些信息；

网络层信息	卷积层信息

2.2、权值文件.weights

• 保留网络结构所对应的权值。

三、Darknet的安装配置

• 下载库文件

git clone https://github.com/pjreddie/darknet
cd darknet

• 修改Makefile

• 编译

make

• 安装好执行这个命令，显示下面的信息，告诉我们我们使用Darknet进行模型的训练或者测试，来完成后续函数的调用。我们使用的格式为：

./darknet 函数名的格式

比如：针对图像，我们采用Darknet来测试图像，验证我们当前的Darknet是否安装成功。这里调用imtest函数，针对data文件夹下面的一张图片进行测试；

./darknet  imtest  data/eagle.jpg

运行监测器

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

3.1、 Darknet的文件结构！

3.2、网络配置文件yolov3.cfg

3.3、数据配置文件cfg/coco.data

• 这里我们需要修改的就是cfg文件夹下面的coco.data

3.4、权值文件cfg/coco.data

• 我们训练的过程中会生成针对yolov3的cfg这样的一个网络所生成的权值文件。权值文件会存放在Darknet下面的backup文件夹下面，这个backup文件夹，就是在3.3节中的图中，coco.data文件夹下。这个就指出了接下来权值要存放的目录。
• 接下来我们会用yolov3_20000.weights用于测试。前1000次每隔100次保存一下，超过1000，每隔10000次保存一下。具体如何下面会看源码分析。

• 如果我们训练的过程中止了，想继续之前的模型，我们会针对yolov3.backup这个权值文件来进行权值恢复。

3.5、coco数据集

• 对于coco数据集，我们不需要写脚本，自己解析它的json文件，提供了coco api；

• coco api：标注信息的解析；可以通过如下指令，来下载安装coco数据解析的api，

git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
# 如果使用的是python2,运行下面的命令；
make -j8
# 如果使用的是python3,需要修改Makefile:
vim Makefile
# 将Makefile中的python改为python3,然后：
make -j8

• 实际上想使用coco数据集转化成voc格式的数据集，需要使用这里的coco api；下面可以使用Darknet对coco进行解析，因此这里不需要单独进行解析。只需要下载数据集放在指定的路径，就能使用Darknet完成后续的模型训练。
• Darknet中提供了coco数据集下载脚本：

3.5.1、COCO数据集的标注格式介绍

参考这个链接：COCO 标注详解

四、yolov3进行训练的命令

4.1、训练命令

4.2、训练日志

4.3、网络配置信息yolov3.cfg

• yolo层

4.4、数据路径的配置coco.data

4.5、yolov3常见错误

4.6、模型的保存设置

• 下一篇博客具体的实战：YOLOV3-使用Darknet训练检测自定义模型+COCO数据集！

参考文章

参考了一下作者的文章，在这里表示感谢！

• 配置YOLO-v3训练自己的数据—完整版（含常见问题）
• 快到没朋友的YOLOv123 修炼指南 3：实战配置演练+训练自己的数据
• 目标检测：YOLOv3: 训练自己的数据
• YOLOv3训练自己的数据详细步骤