在darknet上训练yolo模型---单类目标检测

简介：

在darknet官网上，作者给出的训练方法是在开源数据集上进行训练，例如pascal的20类物体，coco的80类物体。

如果我们想在自己的数据集上进行训练，可能就没有那么多类物体。这里我们使用pascal数据集上的一类目标，进

行训练。本篇博客是对使用方法的一个总结，本文以person的识别为例。

在pascal-voc数据集上的训练方法与细节可以参考下面这篇博客。本篇博客建立在下面这篇的基础上，建议读者先

看下面这篇博客。

YOLOv3在pascal_voc数据集上的训练（一）

一、生成darknet需要的label文件

作者提供的voc_label.py文件是对整个pascal数据集进行处理，因此我们需要修改voc_label.py文件，使其只对

person这一类别进行处理。修改后的程序如下。

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
from tqdm import tqdm
sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007_test', 'test')]

classes = ["person"]


def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(year, image_id):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult)==1:
            
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        bb = convert((w,h), b)    
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()

for year, image_set in tqdm(sets):
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
    image_ids_and_flag = open('VOCdevkit/VOC%s/ImageSets/Main/person_%s.txt'%(year, image_set)).read().strip().split()
    num = len(image_ids_and_flag)/2
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for i in range(num):
        image_id = image_ids_and_flag[2*i]
        flag = image_ids_and_flag[2*i+1]
        if flag == '1':
            list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
            convert_annotation(year, image_id)        
    list_file.close()

os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train_person.txt")
os.system("cat 2007_train.txt 2007_val.txt 2007_test_test.txt 2012_train.txt 2012_val.txt > train_person.all.txt")

修改完毕后，分别查看voc2007、voc2007_test、voc2012文件夹下是否有labels文件夹（如果之前使用darknet训

练过模型的话，应该有labels文件夹），如果有，则删除。

运行voc_label.py文件。

二、修改配置文件

修改cfg/voc.data文件

主要是将类别数改为1，train和valid可以任意制定voc_label.py文件生成的7个文件之一。

yolov2训练

修改cfg/yolov2-voc.cfg文件，修改方式如下。

改为        

将网络的最后一层卷积层的输出通道数改为30。

   改为    

解释：

pascal数据集共有20类，filters的计算如下：

125 = 5(anchor box) * (20(class) + 4(coor) + 1(confidence))

因此，当只有一类时，filters数为30=5×（1+4+1）。

最后执行下述命令进行训练。

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

YOLOV3的训练

训练方式与yolov2类似，按同样的方式修改cfg/yolov3-voc.cfg文件即可。

效果展示

用训练好的模型检测person，结果如下所示。