利用自己的数据进行AB-darknet yolov3的训练
要求
- Linux or Windows
- CUDA >= 10.0
- Opencv >=2.4
- cndnn >=7.0 for CUDA
- GPU with CC>=3.0
- Linux: GCC or Clang
下载
下载代码的压缩包或者执行如下指令：
- git clone https://github.com/AlexeyAB/darknet.git
- cd darknet
进入darknet的根目录下
MAKE
首先修改Makefile， 如果你要用到GPU，那么第一行设置为
- GPU=1
如果要利用cudnn加速，那么第二行设置为
- CUDNN=1
如果要和opencv一起编译，那么第四行设置为
- OPENCV=1
之后输入指令
- make
在这个过程中有可能会碰到错误：
YOLOv3darknet:/make:[obj/convolutional_kernels.o] Error 127
这时候是因为nvcc的环境变量设置有问题，我的方法是修改Makefile,修改nvcc那一行为：
- NVCC=/usr/local/cuda/bin/nvcc
即可，之后再输入make，等待一段时间后就可以顺利编译完成。
训练
AB的数据集的格式和darknet yolov3的官网的要求不太一样，但是对.txt文件的要求是一样的。
darknet yolov3 官网
我们在对数据完成标注之后，把它放到
< path >/images
下，每一张图片为 image_id.jpg的格式。而标注则放在同目录的文件夹下
< path >/labels
下，格式为,image_id.txt。每一个image_id 都要与图片的一个要对应。
image_id.txt的格式为
< object-class> < x> < y> < width> < height>
其中oject-class 为图片类别，为整数，范围为0~class_num-1。
x,y代表的是物体中心点的位置，w代表物体的宽，h代表物体的高
！！记住这里所有的x,y,w,h都是图片的相对位置和长度！！
除此之外我们还需要准备一个.txt文件用来存放数据的信息。 我们假设为 train.txt，这个文件里面存放着所有的图片的绝对位置。所以我们最后的数据格式如下
–root
----images
------1.jpg
------2.jpg
------3.jpg
----labels
------1.txt
------2.txt
------3.txt
train.txt的文件格式为：
/root/images/1.jpg
/root/images/2.jpg
/root/images/3.jpg
这样我们的数据就准备完毕了
AB darknet
AB的格式要求和官网的有一点不一样，那就是.txt文件不需要另外开一个labels文件夹，只需要和.jpg文件一起放在同一个文件夹下面就行，比如
–root
----images
------1.jpg
------1.txt
即可。
当所有的数据准备完成之后，我们就可以进行训练了。首先我们下载darknet53的预训练权重
- wget https://pjreddie.com/media/files/darknet53.conv.74
然后就是准备相关配置工作：我们一共需要修改三个文件
xxx.data
这个文件通常存放在 ./cfg/ 文件夹下，这里存放着我们需要的类别信息和训练集、测试集位置等
第一行： classes 就是一共有几类
第二行： train 这一行代表着你上面存放数据位置的 train.txt 的路径
第三行： valid 这一行代表着同样格式存放数据位置的 valid.txt 的路径，代表验证集
第四行： names 是存放数据类别名称的文件路径
第五行： 模型权重保存路径
xxx.names
这个文件一共有classes行，每一行是一个名字，代表着object class数字对应的类别名称，通常存放在 ./data/ 文件下。
xxx.cfg
这个文件就是整个网络的架构文件，我训练的时候是直接从yolov3改过来的。我们要修改的就是batch大小和subdivisions大小，如果需要可以修改输入的高度和宽度。
最终要的一点： 我们要修改最下面yolo层和该层上面卷积层的过滤器数量
yolo层的 classes 修改为你所要预测的classes数量，上面一层的卷积层，filters 修改为（1+4+classes)*3 的数量，并且不能直接用这个公式，要直接写数字。 如果classes为1，那么filters就要修改为18。并且记住，一共要修改三个地方（yolov3）
一切准备完毕之后，就可以开始训练：
- ./darknet detector train cfg/xxx.data cfg/xxx.cfg darknet53.conv.74
在AB版本当中是每1000轮保存一次权重，最新权重名称为 xxx_last.weights。而官网的是每100轮保存一次，最新权重名称为 xxx.backup。
如果要断点续训，则
- ./darknet detector train cfg/xxx.data cfg/xxx.cfg backup/xxx_last.weights
测试
测试很简单，给定一个图片，输出为根目录下的 prediecitons.jpg
- ./darknet detect cfg/xxx.cfg ./backup/xxx.weights data/test.jpg