相关文章： http://arxiv.org/abs/1506.02640
源代码： https://github.com/pjreddie/darknet.git
1、数据集制作
A.制作VOC格式的xml文件
B.将VOC格式的xml文件转换成YOLO格式的txt文件
因为我这里使用的是VOC数据集，不过减少分类了，所以直接用已有的数据集
首先下载预训练的权重文件： http://pjreddie.com/media/files/darknet53.conv.74 放在build\darknet\x64文件夹下
下载Pascal VOC 数据集并且放在 build\darknet\x64\data\voc路径下，然后创建路径 build\darknet\x64\data\voc\VOCdevkit\:
http://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
http://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
http://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
下载 voc_label.py 并放在 build\darknet\x64\data\voc: http://pjreddie.com/media/files/voc_label.py
安装python，建议安装3.5以上的版本
在cmd命令行下运行以下指令: python build\darknet\x64\data\voc\voc_label.py (to generate files: 2007_test.txt, 2007_train.txt, 2007_val.txt, 2012_train.txt, 2012_val.txt)
生成对应的txt文件，在这里，一直报我的test生成路径找不到，因为暂时没用，我没做处理
接着运行指令: type 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
生成训练数据的label文件。
2、文件修改：
（A）关于 .data .names 两个文件修改非常简单，打开cfg/voc.data文件，进行如下修改：
classes= 5 # 自己数据集的类别数
train = E:\\Codes\\DLdetection\\darknet\\train.txt
valid = E:\\Codes\\DLdetection\\darknet\\2007_test.txt
names = E:\\Codes\\DLdetection\\darknet\\data\\voc.names
backup = E:\\Codes\\DLdetection\\darknet
注：需要在darknet文件夹下，新建名为backup的文件夹，否则训练过程报错：Couldn't open file: backup/yolov3-voc.backup。
打开data/voc.names文件，对应自己的数据集修改类别。
转换标注集格式
修改voc_label.py, 如只有一个类:car，在voc_label.py中做如下修改
sets=[('2007','train'), ('2007','val'), ('2007','test')]
classes = ["car"]'''
#classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
运行文件voc_label.py
python E:\Codes\DLdetection\darknet\build\darknet\x64\data\voc\voc_label.py
会在目录下生成一系列文件并将VOC格式标注转为YOLO格式txt标注（归一化处理）
（B）关于cfg修改，以5类目标检测为例，查找带有[convolutional]以及[yolo]标签处（共3处）。#表示注释，根据训练和测试，自行修改。
[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=8
......
[convolutional]
size=1
stride=1
pad=1
filters=33###75
activation=linear
[yolo]
mask = 6,7,8
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=5###20
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0###1
......
[convolutional]
size=1
stride=1
pad=1
filters=33###75
activation=linear
[yolo]
mask = 3,4,5
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=5###20
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0###1
......
[convolutional]
size=1
stride=1
pad=1
filters=33###75
activation=linear
[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=5###20
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0###1
A.filters数目是怎么计算的：3x(classes数目+1+4)，和聚类数目分布有关，论文中有说明；
B.如果想修改默认anchors数值，使用k-means即可；
C.如果显存很小，将random设置为0，即关闭多尺度训练；
D.其他参数如何调整，有空再补;
E.前100次迭代loss较大，后面会很快收敛；
3、训练，以上步骤结束后，在cmd下运行以下指令：darknet.exe detector train data/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 开始进行训练
主要参数说明：
Region xx: cfg文件中yolo-layer的索引；
Avg IOU:当前迭代中，预测的box与标注的box的平均交并比，越大越好，期望数值为1；
Class: 标注物体的分类准确率，越大越好，期望数值为1；
obj: 越大越好，期望数值为1；
No obj: 越小越好；
.5R: 以IOU=0.5为阈值时候的recall; recall = 检出的正样本/实际的正样本
0.75R: 以IOU=0.75为阈值时候的recall;
count:正样本数目。
9798： 指示当前训练的迭代次数
0.370096： 是总体的Loss(损失）
0.451929 avg： 是平均Loss，这个数值应该越低越好，一般来说，一旦这个数值低于0.060730 avg就可以终止训练了。
0.001000 rate： 代表当前的学习率，是在.cfg文件中定义的。
3.300000 seconds： 表示当前批次训练花费的总时间。
627072 images： 这一行最后的这个数值是9798*64的大小，表示到目前为止，参与训练的图片的总量。
