0. 前言
虽然网上教程一大把，但是作为小白，训练自己的数据集还是费了点事。记录下一些关键点，少踩一点坑。
本文假设已经拥有以下条件：
1. Linux操作系统，已经安装好CUDA和cuDNN（参考教程：https://www.jianshu.com/p/bc614f23d9eb）
2. 耐心
1. 安装Darknet
Darknet是Yolo作者自己写的一个网络框架，官方网站是：https://pjreddie.com/
这部分跟着官方教程走就可以了，主要是以下步骤：
1）下载源码
git clone https://github.com/pjreddie/darknet
cd darknet
2）修改Makefile文件，启用GPU，cuDNN，OpenCV等相关支持
xed ./Makefile
# 修改
GPU=0
CUDNN=0
OPENCV=0
# 为
GPU=1
CUDNN=1
OPENCV=1
3）编译
make
最终得到可执行文件“darknet”
2. 准备数据集
整个过程难就难在数据集的准备（先无脑训练，除开网络调优）。
先看看训练的命令需要准备哪些东西
./darknet detector train prcv.data prcv-tiny.cfg
其中“./darknet detector train”为训练的固定命令，使用detector参数调用的是main函数里的run_detector函数。这也是后面为啥txt标注文件在与images同级的labels目录下的原因。与detect参数查找标注文件的路径不一样。
最重要的是prcv.data、prcv-tiny.cfg两个参数。这两个文件，prcv.data即与数据集相关，prcv-tiny.cfg与网络结构相关。
看看prcv.data文件都有些啥内容
classes = 1
train = /home/user/Prcv2018/Dataset/mission/detection/train/train_set.txt
valid = /home/user/Prcv2018/Dataset/mission/detection/train/test_set.txt
names = /home/user/Prcv2018/Dataset/mission/detection/train/prcv.names
backup = /home/user/Prcv2018/Train/backup
eval = prcv
可以看出，里面是与数据集相关的配置参数，classes是目标类别数，train、valid分别是训练集和测试集txt文件所在路径，names为目标内别名称。backup为训练中间权重文件保存目录。很明显，这个文件里指出的三个文件与数据集相关，是需要准备的。train_set.txt里是训练集图片路径，test_set.txt里是测试集图片路径。
本文描述的数据集是PRCV2018行人计数挑战赛的数据集，鉴于保密协议，不公开放出。该数据集的特点是方框标注出头和肩的位置。目标分类数量只有一类：person。
因此，这三个文件的内容分别是：
# prcv.names
person
# train_set.txt
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000158_R_2018_05_17_18_40_00_left_027091.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000158_R_2018_05_17_11_37_26_left_008230.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000158_R_2018_05_17_11_37_26_left_017198.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000158_R_2018_05_17_14_00_00_left_023063.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000051_R_2018_05_17_14_00_00_left_030518.jpg
... ...
# test_set.txt
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000051_R_2018_05_17_14_00_00_left_031430.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000158_R_2018_05_17_14_00_00_left_019522.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000051_R_2018_05_17_11_43_47_left_000923.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000052_R_2018_05_17_18_40_01_left_010092.jpg
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000051_R_2018_05_17_16_00_00_left_028425.jpg
... ...
以上描述了训练集和测试集，以及类别名称。对于训练来讲，还差什么？
对了，就是标注文件。darknet识别的标注文件是txt格式。它位于图片的上级目录labels目录下。
# 比如train_set.txt里是
/home/user/Prcv2018/Dataset/mission/detection/train/images/202018000051_R_2018_05_17_14_00_00_left_031430.jpg
# 那么对应的标注文件
202018000051_R_2018_05_17_14_00_00_left_031430.txt
# 应该在
/home/user/Prcv2018/Dataset/mission/detection/train/lables
# 目录下
标注文件中标签的数据格式：
<object-class> <x> <y> <width> <height>
# Where x, y, width, and height are relative to the image's width and height.
以上是官方说明，说的很简单，实际意思是：
1. x，y是中心点的坐标
2. 坐标点是相对于整张图片的相对比例
3. 宽高也是相对于整张图片的相对比例
4. 类别编号是从0开始的
# eg.
# 图片大小是320*240，目标框中心位置是（160，120），框的宽高是[32，24]，类别编号是0
# 那么，对应的txt文件内容应该是
# 0 0.5 0.5 0.1 0.1
源数据集的格式是左上角坐标x，y，框的宽高w，h（像素）。生成训练集和测试集以及标签格式转换py文件如下（第一次写python，实现得可能不太优雅）：
import os
img_with = 320 # 图片宽
img_height = 240 # 图片高
rootdir = '/home/user/Prcv2018/Dataset/mission/detection/train'
def f2s(num):
return str(round(num, 6))
def convert_data(path, tgt_path):
out_file = open(tgt_path, 'w')
with open(path, 'r') as txt_file:
while True:
line = txt_file.readline()
if not line:
break
org_x, org_y, org_w, org_h = [int(i) for i in line.split()]
tgt_x = (org_x + org_w / 2.0) / img_with
tgt_y = (org_y + org_h / 2.0) / img_height
tgt_w = org_w / img_with
tgt_h = org_h / img_height
# 单分类，序列号只有0
tgt_line = '0 ' + f2s(tgt_x) + ' ' + f2s(tgt_y) + ' ' + f2s(tgt_w) + ' ' + f2s(tgt_h) + '\n'
out_file.writelines(tgt_line)
out_file.close()
def main():
img_dir = rootdir + '/images'
ann_dir = rootdir + '/annotations'
lab_dir = rootdir + '/labels'
# 1. 分出训练集和测试集
train_txt = open(rootdir + '/train_set.txt', 'w')
test_txt = open(rootdir + '/test_set.txt', 'w')
img_list = os.listdir(img_dir)
for i in range(0, len(img_list)):
path = os.path.join(img_dir, img_list[i])
if i % 5 == 0:
test_txt.writelines(path + '\n')
else:
train_txt.writelines(path + '\n')
train_txt.close()
test_txt.close()
# 2. 处理标签数据
target_dir = lab_dir
# 得到目录下列表名（相当于ls命令）
txt_list = os.listdir(ann_dir)
for i in range(0, len(txt_list)):
path = os.path.join(ann_dir, txt_list[i])
tgt_path = os.path.join(target_dir, txt_list[i])
if os.path.isfile(path):
# 处理文件
convert_data(path, tgt_path)
if __name__ == '__main__':
main()
其中测试集数据量占20%。
3. 训练
前面提到的另一个重要文件prcv-tiny.cfg。先放出它的具体内容：
[net]
batch=128
subdivisions=1
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
learning_rate=0.001
max_batches = 40200
policy=steps
steps=-1,100,20000,30000
scales=.1,10,.1,.1
[convolutional]
batch_normalize=1
filters=32
size=7
stride=3
pad=1
activation=leaky
... ...
[convolutional]
batch_normalize=1
size=1
stride=1
pad=1
filters=128
activation=leaky
[convolutional]
size=1
stride=1
pad=1
filters=30 <-------------------------------------------
activation=linear
[region]
anchors = 1.08,1.19, 3.42,4.41, 6.63,11.38, 9.42,5.11, 16.62,10.52
bias_match=1
classes=1
coords=4
num=5
softmax=1
jitter=.2
rescore=1
object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1
absolute=1
thresh = .5
random=1
这个文件里面包含了一些参数和网络结构，每项具体的释义网上一大把，就不过多解释了。唯一需要注意的是最后一层filters数量的计算，
filters = num×（classes + coords + 1）= 5*(1+4+1) = 30
当然，width=416，height=416中的416为32的13倍。
训练目录如下
user@Phynion:~/Prcv2018/Train$ ls
backup darknet data prcv.data prcv-tiny.cfg test.jpg
训练目录位置随意，注意prcv.data、prcv-tiny.cfg里的路径即可。data\labels目录下的图片用于显示时的框和标签。
执行
./darknet detector train prcv.data prcv-tiny.cfg
开始训练
可以看到，对整个CPU、GPU、内存的要求都还是蛮高的。
4. 测试
训练结束后，权重文件保存在backup文件夹内，名称为prcv-tiny_final.weights。
打开prcv-tiny.cfg文件，#备注掉
#batch=128
#subdivisions=1
运行
./darknet detector test prcv.data prcv-tiny.cfg backup/prcv-tiny_final.weights test.jpg
可以看到结果
嗯，还不错的样子...
--- over ---
