darknet使用detector训练与测试自己的数据

看过几篇博客和官网的介绍，总结出自己切实可行的pipline，思路如下：

第一：下载官网源码，训练测试，检测测试，如果没有问题，进行下一步。

第二：开始做满足其训练的数据，包括图像和带有标注的标准xml格式文件，这一步耗时微长一些，用到了 一下三个工具：

            1、P图工具

            2、生成xml文件工具

    3、转换图像格式工具

第三：数据替换

    1、将VOCdevkit/VOC2007中的JPEGImages和Annotations替换为以上生成数据

    2、生成训练所需train.txt和val.txt文件，使用工具create_list.py

            3、生成训练所需的标注txt文件，使用工具voc_label_change.py

    4、将上一步生成的众多txt文件放入VOCdevkit/VOC2007/labels中

第四：修改配置文件 和源码

  1、cfg/voc.data文件中：class改成1；names=data/voc.names中的内容修改成自己所训练目标物的名字，该参数用于检测出目标物体后显示其类别时用；

  2、cfg/yolo_voc.cfg文件中：region层classes改成1；region层上方第一个convolution层的fileters改成(classes+coords+1)*NUM，即(1+4+1)*5=30，所以把filters改成30。

  3、src/yolo.c文件中：char *voc_names的类别，改成自己的类别名字，例如 char *voc_names={“person”}；draw_detection这个函数的最后一个参数改成自己所训练的类别数，比如1；demo函数中倒数第三个参数从20改成1。

  4、src/detector里面的路径，可选择性修改。

第五：训练：./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23，最后参数保存在backup中。

第六：测试：./darknet detector test cfg/voc.data cfg/yolo-voc.cfg yolo_voc_final.weights test/*.jpg -thresh 0.08

评估性能

经过漫长的训练过程，model终于训练好了，为了评估性能，可以使用以下指令 
./darknet detector recall cfg/voc.data cfg/yolo_voc.cfg backup/yolo_voc_final.weights

需要注意的是，在使用这个指令之前，我先修改一下src/detector.c 这一函数

• 位置第375行改成：list *plist = get_paths(“/home/yolo_v2_tinydarknet/darknet/infrared/infrared_val.txt”);//改成infrared_val.txt的完整路径
• 运行上面的指令会调用validate_detector_recall函数，这个函数中有个参数thresh（阈值），默认的值是.001，这个默认值设的很小，会让系统识别出更多的框来，导致proposals值激增，还会让recall值变高，达到98.5%。最终我改成了 .25。
• 上面的函数只会显示出recall值，没有precision值，precision的值计算方法是：识别为正确的个数/画了多少个框，所以修改代码。把第447行显示结果的代码修改为 ：

fprintf(stderr, "ID:%5d Correct:%5d Total:%5d\tRPs/Img: %.2f\tIOU: %.2f%%\tRecall:%.2f%%\t", i, correct, total, (float)proposals/(i+1), avg_iou*100/total, 100.*correct/total);
fprintf(stderr, "proposals:%5d\tPrecision:%.2f%%\n",proposals,100.*correct/(float)proposals); 

• 1
• 2

运行后显示的结果是： 
….. 
ID: 101 Correct: 106 Total: 111 RPs/Img: 1.07 IOU: 82.00% Recall:95.50% proposals: 109 Precision:97.25% 
ID: 102 Correct: 107 Total: 112 RPs/Img: 1.07 IOU: 82.11% Recall:95.54% proposals: 110 Precision:97.27%

结果中的参数，理解：

Correct ：可以理解为正确地画了多少个框，遍历每张图片的Ground Truth，网络会预测出很多的框，对每一Groud Truth框与所有预测出的框计算IoU，在所有IoU中找一个最大值，如果最大值超过一个预设的阈值，则correct加一。

Total：一共有多少个Groud Truth框。

Rps/img：p 代表proposals， r 代表region。 意思就是平均下来每个图片会有预测出多少个框。预测框的决定条件是，预测某一类的概率大于阈值。在validation_yolo_recall函数中，默认的这一个阈值是0.001，这一阈值设置的比较低，这就会导致会预测出很多个框，但是这样做是可以提升recall的值，一般yolo用于画框的默认值是.25，使用这个阈值会让画出来的框比较准确。而validation_yolo_recall使用的阈值改成。25的时候，Rps/img 值会降低，recall的值会降低，所以validation_yolo_recall默认使用一个较低的阈值，有可能作者的目的就是为了提高recall值，想在某种程度上体现网络的识别精度比较高。

IoU、Recall、Precision：解释起来比较麻烦，请看我的博客有详细说明： 
http://blog.csdn.net/hysteric314/article/details/54093734