在win10下用yolov3训练自己的数据集
1. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接复制yolov3.cfg,然后重命名为yolo-obj.cfg），
然后就是修改这个文件内容了。
将batch 改成64 ：batch=64
将subdivisions 改成8 ：subdivisions=8
将每个yolo下（共有3处）的classes改成你自己的类的数量 ：classes = 1（我的是1类）
将每个yolo上面第一个convolutional下的filters改成你自己的大小，计算方法是：filters=(classes + 5)x3 ,由于我的是1类，所以我的filters=18. （和上面一样，共有3处，3个yolo，每个yolo上面的第一个convolutional下的filters）每个yolo上面的第一个convolutional是网络的最后一个输出层。
！！！注意注意：如果你对显卡较差（4G显存以下），会出现内存溢出错误（Out of memory），改正方法：将batch改小些（64,32,16,8），将random改成0关闭多尺度训练。
2.在build\darknet\x64\data\下新建obj.names文件，里面写入你的类名，每个类名占一行。
3.在build\darknet\x64\data\下新建obj.data文件
把类别数改成你自己的数量。其他不变。
4.将你的所有样本图片放到：build\darknet\x64\data\obj\
5.将所有图片对于的txt文件也放到：build\darknet\x64\data\obj\
txt文件格式如下
jpg图片对应的txt可以用python脚本生成（不过要先用图片标注工具将目标圈出来，生成的是xml文件），下面是标注工具的下载链接：
链接：/s/1Vq5A96iB2Mo0waguvQSa2Q 密码：drlh
下面是将xml装成txt的脚本：
import xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir, getcwdfrom os.path import joinclasses = ["bicycle"] # 自行车检测def convert(size, box):dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[1]) / 2.0y = (box[2] + box[3]) / 2.0w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)def convert_annotation(image_id):in_file = open('D:/darknet-master/scripts/VOCdevkit/voc/Annotations/%s.xml' % (image_id))out_file = open('D:/darknet-master/scripts/VOCdevkit/voc/labels/%s.txt' % (image_id), 'w') # 生成txt格式文件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'):cls = obj.find('name').textif cls not in classes:continuecls_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')image_ids_train = open('D:/darknet-master/scripts/VOCdevkit/voc/list.txt').read().strip().split('\',\'') # list格式只有000000 000001# image_ids_val = open('/home/*****/darknet/scripts/VOCdevkit/voc/list').read().strip().split()list_file_train = open('boat_train.txt', 'w')list_file_val = open('boat_val.txt', 'w')for image_id in image_ids_train:list_file_train.write('D:/darknet-master/scripts/VOCdevkit/voc/JPEGImages/%s.jpg\n' % (image_id))convert_annotation(image_id)list_file_train.close() # 只生成训练集，自己根据自己情况决定# for image_id in image_ids_val:# list_file_val.write('/home/*****/darknet/boat_detect/images/%s.jpg\n'%(image_id))# convert_annotation(image_id)# list_file_val.close()
5.在build\darknet\x64\data\下新建train.txt
将你的训练图片的路径放入文件，每行一个路径，如下图：
6.将darknet的预训练权重放入build\darknet\x64，下面是我的网盘链接，我的网盘里有：
链接：/s/1Gdo2gj1bggjUtW9CyYkIpQ 密码：x5ht
7.修改网络配置文件Makefile（在\darknet-master路径下）
8.打开win10终端，cd进入darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 开始训练。
9.训练时，每训练100轮，都会生成一个权重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_100.weights（后面的100是训练100轮是的权重）。
10.测试训练效果：
将那个backup文件下最后一个权重文件复制到build\darknet\x64\文件下，打开win10终端，cd进入然后运行darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_100.weights（最后的权重改为你自己的权重）。终端会提醒你输入图片路径，然后你输入测试图片的绝对路径即可看到效果。
参考教程：/AlexeyAB/darknet#how-to-compile-on-linux
