YOLO基础教程（七）：darkflow训练自己的数据

参考官方说明：https://github.com/thtrieu/darkflow

darkflow是将darknet翻译为tensorflow的产物。 加载训练后的权重，使用Tensorflow重新训练/微调，可以将常量graph def导出到移动设备进行使用。

• 创建一个配置文件tiny-yolo-voc.cfg的副本并根据您的偏好重新命名它tiny-yolo-voc-4c.cfg（需要保留原始的tiny-yolo-voc.cfg文件）。
• 在tiny-yolo-voc-4c.cfg中，将[region]层（最后一层）中的类更改为要训练的类的数量。 在我们的例子中，类被设置为4。

• 在tiny-yolo-voc-4c.cfg中，将[convolutional]层（第二层到最后一层）中的滤镜更改为num （classes + 5）。 在我们的例子中，num是5并且类是4，所以5 （4 + 5）= 45，因此过滤器被设置为45。
• 更改labels.txt以包含要训练的标签（标签数量应与您在tiny-yolo-voc-4c.cfg文件中设置的分类数量相同）。 在我们的例子中，labels.txt将包含4个标签。
• 为什么我应该保留原始的tiny-yolo-voc.cfg文件不变？

当darkflow发现正在加载tiny-yolo-voc.weights时，它会在cfg/文件夹中查找tiny-yolo-voc.cfg，并将该配置文件与您使用--model cfg/tiny-yolo-voc-4c.cfg设置的新配置文件进行比较。 在这种情况下，除了最后两个图层外，每个图层都具有相同的权重数量，所以它会将权重加载到所有图层中，直到后两个图层，因为它们现在包含不同数量的权重。

输入指令：

python flow --model cfg/tiny-yolo-voc-4c.cfg --load bin/tiny-yolo-voc.weights --train --annotation VOCdevkit\VOC2007\Annotations --dataset VOCdevkit\VOC2007\JPEGImages --savepb --gpu 0.7 --epoch 30

训练完成后，将创建一个built_graph文件夹，里面有 .meta 和 .pb文件。darkflow支持从.pb和.meta文件加载以生成预测，可以设置“pbLoad”和“metaLoad”选项来代替您通常设置的model和load选项。

option = {
    'pbLoad': 'built_graph/tiny-yolo-voc-4c.pb',
    'metaLoad': 'built_graph/tiny-yolo-voc-4c.meta',
    'threshold': 0.1,
    'gpu': 0.7
}

完整翻译可参阅：https://blog.csdn.net/wc781708249/article/details/79710448?utm_source=blogxgwz9