【YOLO】训练voc数据集没有框？？解决方法

不知道大家有没有遇到和我一样的问题，最终解决了。最初训练的时候大概阈值设到0.008才会有框框出来，跟自带的权重相比相差好多啊，默认阈值应该等于0.25才对啊！真的是被困扰了很久，还跑去修改了yolo.c文件（其实一点关系也没有），最后发现过于相信依赖官网给出的步骤，没有仔细看一下文件，导致了这个错误，问题很白痴，源于cfg文件。

１下载 voc数据集##

curl -O https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
curl -O https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
curl -O https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

这里我新建了文件夹pjreddie。在该文件夹下运行，出现了VOCdevkit文件夹。

curl -O https://pjreddie.com/media/files/voc_label.py
python voc_label.py

依然在该文件夹下运行，稍微等一下就好了。

ls

出现的结果与官网相同。

２修改文件

./cfg/voc.data 和./cfg/yolo-voc.cfg

这里十分需要注意的一点！！有许多模型可以选择。

最初选择的是yolo-voc.cfg，官网没有提到要对它进行修改，但是往下翻训练coco数据集时提到了一下。

所以，我们现在是训练，当然要引掉测试了，batch和subdivisions测试时等于1，放在训练里肯定是不行的，难以收敛。这里简单说一下。

每batch个样本更新一次参数，如果内存不够大，将batch分割为subdivisions个子batch，每个子batch的大小为batch/subdivisions，在darknet代码中，会将batch/subdivisions命名为batch。

在合理范围内，增大 Batch_Size 有何好处？

内存利用率提高了，大矩阵乘法的并行化效率提高。
跑完一次 epoch（全数据集）所需的迭代次数减少，对于相同数据量的处理速度进一步加快。
在一定范围内，一般来说 Batch_Size 越大，其确定的下降方向越准，引起训练震荡越小。

盲目增大 Batch_Size 有何坏处？

内存利用率提高了，但是内存容量可能撑不住了。
跑完一次 epoch（全数据集）所需的迭代次数减少，要想达到相同的精度，其所花费的时间大大增加了，从而对参数的修正也就显得更加缓慢。
Batch_Size 增大到一定程度，其确定的下降方向已经基本不再变化。

这里用的依然是它设定的值。

之前没有对这个文件进行修改，真的是走了好多弯路，希望大家仔细看看cfg文件，有些模型需要修改有些不需要。

3 Pre-train

curl -O https://pjreddie.com/media/files/darknet19_448.conv.23

也可以自己生成，这里不提。

4 训练

这里注意一下，如果你想保存输出的结果，在后面加句 | tee yolo-voc.txt

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23 | tee yolo-voc.txt

5 结果

./darknet detector test cfg/voc.data cfg/yolo-voc.2.0.cfg yolo-voc_final.weights data/dog.jpg -thresh 0.25

默认值是0.25，不想写阈值也可以哈

有个问题，使用yolo-voc.cfg模型时，一直报错cuda error ： out of memory，用yolo-voc.2.0.cfg和tiny-yolo-voc.cfg没有报错，可能跟模型参数设置有关，电脑配置跟不上，继续跟进。先看一下tiny-yolo-voc.cfg最终训练出的结果。

car: 52%
bicycle: 32%

下面是yolo-voc.2.0.cfg

car: 84%
dog: 88%
bicycle: 58%

可以明显看出来，tiny-yolo-voc这个模型不太好啊，最后看一下路试图片对比。

tiny-yolo-voc

car: 29%
car: 24%
car: 53%

yolo-voc.2.0

car: 59%
car: 45%
car: 40%
car: 60%
car: 76%
car: 46%
car: 76%

阈值改小了一点

car: 59%
car: 18%
car: 45%
car: 40%
car: 16%
car: 60%
person: 16%
car: 76%
car: 46%
car: 18%
car: 76%

对于太远的人yolo还是有些力不从心的。

下面是我最初用yolo-voc.cfg ，batch=1的结果哈哈哈，阈值0.015。

car: 4%
car: 2%
car: 2%
car: 2%
chair: 2%

惨痛的教训，训练一次时间挺长的，为了不浪费时间，一定要搞懂每一步到底在干什么，弄清楚参数设置。希望大家能从我这吸取经验吧。笔芯～～

参考资料：
https://pjreddie.com/darknet/yolo/
http://blog.csdn.net/ycheng_sjtu/article/details/49804041
http://blog.csdn.net/zhuiqiuk/article/details/70167963