pascal voc训练yolov3(官方版本)

这里我使用的是pascal voc2007+2012联合训练的。

（1）下载数据

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

（2）

将以上压缩包放在同一文件夹中进行解压，解压后，所有的数据都会解压到VOCdevkit文件夹中。将VOCdevkit文件夹放在darknet目录中就行。

（注意：因为VOCtest_06-Nov-2007和VOCtrainval_06-Nov-2007解压后都是VOC2007，所以要先解压VOCtest_06-Nov-2007，然后将文件名由VOC2007改成VOC2007_test，然后再解压VOCtrainval_06-Nov-2007）

解压后，VOCdevkit文件夹中主要有：

VOC2007

VOC2007_test

VOC2012

VOCcode

.........

tar xvf VOCtrainval_06-Nov-2007.tar

tar xvf VOCtest_06-Nov-2007.tar

tar xvf VOCdevkit_08-Jun-2007.tar

tar xvf VOCtrainval_11-May-2012.tar

（3）生成darknet需要的label文件

将darknet/scripts目录下的voc_label.py文件，拷贝至darknet目录。打开voc_label.py文件，修改第7行，将列表的最后一个元组修改为('2007_test', 'test'):

修改第58行，将2007_test改为2007_test_test：

运行voc_label.py文件：

python voc_label.py

运行后，darknet目录下会生7个文件，分别为：

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

将这7个txt文件放到darknet/VOCdevkit中。

（4）修改配置文件cfg/voc.data

将下图：

修改成：

（5）下载backbone权重文件：

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

将darknet53.conv.74放在darknet目录中即可。

（6）修改配置文件yolov3-voc.cfg：

用yolov3训练pascal voc，就要用到yolov3-voc.cfg，这时候就要修改darknet/cfg/yolov3-voc.cfg

将下图batch和subdivisions前的#去掉

改成：

其中，batch值可以根据自己的显存大小进行调整。但是batch不能太小，如果batch太小或者等于1，最终训练得到的模型可能会无法收敛。

在文件中，使用Ctrl+F搜索yolo，一共出现三个地方。修改yolo下面的classes，以及yolo上面的filters：

（7）开始训练

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

训练结束后，训练好的模型会放在darknet/backup中。

（8）测试

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc.weights