YOLOv3在pascal_voc數據集上的訓練（一）

簡介：

這篇博客是對使用darknet訓練yolo的方法的總結，基本上是按照官網的方法進行訓練，主要是補充了一些細節。

一、下載數據集

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
wget 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

上述命令是從作者的數據倉庫中下載數據，可能網速會比較慢。也可以考慮從Pascal_voc的官網下載數據http://host.robots.ox.ac.uk/pascal/VOC/，這樣下載速度會比較快。

將三個解壓後的文件，放在一個文件夾中VOCdevkit，因爲VOCtest_06-Nov-2007.tar 和 VOCtrainval_06-Nov-2007.tar解壓後的文件都是VOC2007，因此將後者解壓後的文件改爲VOC2007_test。

二、生成darknet需要的label文件

將darknet/scripts目錄下的voc_label.py文件，拷貝至darknet目錄下。打開voc_label.py文件，修改第7行，將列表的最後一個元組修改爲('2007_test','test')；修改第58行，將2007_test，改爲2007_test_test。運行voc_label.py文件，darknet目錄下會生成7個文件，分別爲

2007_train.txt，2007_val.txt，2007_test_test.txt，2012_train.txt，2012_val.txt，train.txt，train.all.txt。

每一個txt文件中都存放着訓練所需的文件的路徑。除此之外，voc_label.py文件爲每一副圖片生成了一個存放label的txt文件。例如，在VOC2007/labels目錄下，便存放着VOC2007數據集的label文件。如下圖所示

每一行的5個參數的含義如下：

後四個參數分別做了歸一化，x和width除以圖片的寬度，y和height除以圖片的高度。

三、訓練

YOLOv2的訓練

下載卷積層的預訓練權重。

wget https://pjreddie.com/media/files/darknet53.conv.74

修改cfg/voc.data文件，按下圖進行修改。

       改爲         








其中batch的值根據顯存大小進行調整，如果顯存比較大，可以適當加大。如果batch太小或者爲1的話，最終訓練得到的模型可能無法收斂。

最後執行下述命令進行訓練。

./darknet detector train cfg/voc.data cfg/yolov2-voc.cfg darknet53.conv.74

YOLOv3的訓練

如果訓練yolo3模型的話，按同樣的方式，修改cfg/yolov3-voc.cfg文件，並運行下述命令。

    改爲    

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

最後執行下述命令進行訓練