環(huán)境：Ubuntu 16.04 + CUDA8.0 + cudnn5.1
下載模型：
git clone https://github.com/pjreddie/darknet
cd darknet
修改Makefile文件配置：
在darknet目錄下
gedit Makefile
GPU=1 #如果使用GPU設(shè)置為1，CPU設(shè)置為0
CUDNN=1 #如果使用CUDNN設(shè)置為1，否則為0
OPENCV=1 #如果調(diào)用攝像頭或顯示圖片，還需要設(shè)置OPENCV為1，否則為0
OPENMP=0 #如果使用OPENMP設(shè)置為1，否則為0
DEBUG=0 #如果使用DEBUG設(shè)置為1，否則為0
ARCH= -gencode arch=compute_30,code=sm_30 \
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=[sm_50,compute_50] \
-gencode arch=compute_52,code=[sm_52,compute_52]
# -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?
# This is what I use, uncomment if you know your arch and want to specify
ARCH= -gencode arch=compute_61,code=compute_61 #取消此行注釋并將52改為61，因為我的GPU是1050Ti和1080Ti，具體GPU算力是多少可以百度
... ...
NVCC=/home/user/cuda-8.0/bin/nvcc #NVCC=nvcc 修改為自己的路徑
... ...
COMMON+= -DGPU -I/home/hebao/cuda-8.0/include/ #修改為自己的路徑，我的這部分改為cuda也能運行
CFLAGS+= -DGPU
LDFLAGS+= -L/home/hebao/cuda-8.0/lib64 -lcuda -lcudart -lcublas -lcurand #修改為自己的路徑
編譯：
在darknet目錄下
make
若前面的路徑錯誤或GPU算力不匹配都會報錯，在服務(wù)器上跑的話將Makefile中的opencv置0，否則報錯。
下載權(quán)重，運行demo：
在darknet目錄下
wget https://pjreddie.com/media/files/yolov3.weights
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg
若demo運行成功，則說明沒問題。
制作自己的VOC數(shù)據(jù)集：
詳見另一篇文章。
這里說一下，我用的VOC2007數(shù)據(jù)集，一般只需要將Annotations替換為自己的xml文件，JPEGImages替換為自己的.jpg圖片即可。
需要注意的是VOCdevkit文件目錄在darknet下。
下載voc_label.py文件：
在darknet目錄下：
wget https://pjreddie.com/media/files/voc_label.py
gedit voc_label.py
修改文件：
sets=[('2007', 'train'), ('2007', 'test'), ('2007', 'val')] #刪除2012的部分
classes = ["man", "woman"] #設(shè)置為自己的類別
運行修改的voc_label.py文件：
python voc_label.py
將會發(fā)現(xiàn)darknet目錄下會出現(xiàn)幾個.txt文件，然后將其合在一起：
cat 2007_train.txt 2007_val.txt > train.txt
此時會發(fā)現(xiàn)darknet目錄下出現(xiàn)了一個train.txt文件
修改voc.data文件：
gedit cfg/voc.data
classes= 2 #你的數(shù)據(jù)及類別
train = /home/pxt/darknet/train.txt #上步產(chǎn)生的train.txt文件路徑
valid = /home/pxt/darknet/test.txt #上步生成的test.txt文件路徑
names = data/voc.names
backup = backup
修改voc.names文件：
gedit data/voc.names
man #自己的數(shù)據(jù)集標(biāo)簽
woman
修改yolov3-voc.cfg文件：
gedit cfg/yolov3-voc.cfg
# Testing
#batch=1 #注釋測試
#subdivisions=1
# Training
batch=32 #取消測試，現(xiàn)存小的話將batch改小，subdivisions變大
subdivisions=16
還有3處位置都需要修改,可以在gedit下ctrl+f查找yolo找到這三處：
[convolutional]
size=1
stride=1
pad=1
filters=21 # 3*(類別數(shù)+5) 我的類別是2類，所以是21
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=2 #修改類別數(shù)
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1 #若現(xiàn)存較小，可將此項設(shè)為0，不改不影響
下載預(yù)訓(xùn)練權(quán)重：
wget https://pjreddie.com/media/files/darknet53.conv.74
開始訓(xùn)練：
訓(xùn)練前可以修改迭代次數(shù)：
vim yolov3-voc.cfg
打開文件內(nèi)容如下：
[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=64
subdivisions=16
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
burn_in=1000
max_batches = 50200 #在此處修改最大迭代數(shù)，我的設(shè)置為20000
policy=steps
steps=40000,45000
scales=.1,.1
然后進(jìn)行訓(xùn)練：
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
訓(xùn)練的模型將保存在darknet/backup路徑下
若模型訓(xùn)練一半后中斷，想要接著上次的結(jié)果繼續(xù)訓(xùn)練，則可執(zhí)行如下命令：
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_20000.weights -gpus 1
即選用最新保存的模型進(jìn)行訓(xùn)練，但超過10000次后每10000次才保存一次模型，所以如果上次運行到19999次迭代時中斷，則只能從第10000次迭代保存的模型處開始訓(xùn)練，修改保存模型的間隔的方法暫時未找。
選擇圖片測試模型：
測試前先打開yolov3-voc.cfg文件修改測試數(shù)據(jù)：
vim yolov3-voc.cfg
然后修改如下：
[net]
# Testing
batch=1 #取消注釋這兩行
subdivisions=1
# Training #注釋這兩行
#batch=64
#subdivisions=16
測試任意圖片：
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_20000.weights VOCdevkit/VOC2007/JPEGImages/000123.jpg
注：test是指測試，backup/yolov3-voc_20000.weights是指選取的模型路徑，這里我選用了迭代20000次時保存的權(quán)重模型，VOCdevkit/VOC2007/JPEGImages/000123.jpg是我選用的測試圖片路徑，隨意選擇了一張VOC數(shù)據(jù)集中的訓(xùn)練圖片，如果要像demo一樣運行的話可以將要測試的圖片保存在data文件夾下。
到此為止，已經(jīng)可以用訓(xùn)練了自己的數(shù)據(jù)集的YOLO權(quán)重模型來測試任意一張圖片，但這里還有一個問題，就是顯示出檢測后的圖片時無法保存圖像，且這個方法每次都只能測試一張圖片，如何批量化測試多張圖片并保存結(jié)果呢？下面將進(jìn)行介紹。
批量化測試圖片并保存：
這里需要修改darknet/examples目錄下的detector.c文件
step1:
在文件開頭添加*GetFilename(char *p)函數(shù)如下：
#include "darknet.h"
static int coco_ids[] = {1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};
char *GetFilename(char *p) //此函數(shù)為在原文件中新加的
{
static char name[20]={""};
char *q = strrchr(p,'/') + 1;
strncpy(name,q,6);//注意后面的6，如果你的測試集的圖片的名字字符（不包括后綴）是其他長度，請改為你需要的長度（官方的默認(rèn)的長度是6）
return name;
}
step2:
將detector.c繼續(xù)往下翻，找到test_detector函數(shù)修改如下：
由于修改的地方比較多，不便一一標(biāo)注，故建議直接復(fù)制粘貼替換之，但注意修改里面的三個路徑，該路徑為你要保存批處理操作后的圖片檢測結(jié)果的文件路徑。
void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)
{
list *options = read_data_cfg(datacfg);
char *name_list = option_find_str(options, "names", "data/names.list");
char **names = get_labels(name_list);
image **alphabet = load_alphabet();
network *net = load_network(cfgfile, weightfile, 0);
set_batch_network(net, 1);
srand(2222222);
double time;
char buff[256];
char *input = buff;
float nms=.45;
int i=0;
while(1){
if(filename){
strncpy(input, filename, 256);
image im = load_image_color(input,0,0);
image sized = letterbox_image(im, net->w, net->h);
//image sized = resize_image(im, net->w, net->h);
//image sized2 = resize_max(im, net->w);
//image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
//resize_network(net, sized.w, sized.h);
layer l = net->layers[net->n-1];
float *X = sized.data;
time=what_time_is_it_now();
network_predict(net, X);
printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);
int nboxes = 0;
detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
//printf("%d\n", nboxes);
//if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
free_detections(dets, nboxes);
if(outfile)
{
save_image(im, outfile);
}
else{
save_image(im, "predictions");
#ifdef OPENCV
//cvNamedWindow("predictions", CV_WINDOW_NORMAL);
//if(fullscreen){
//cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
// }
// show_image(im, "predictions");
// cvWaitKey(0);
// cvDestroyAllWindows();
#endif
}
free_image(im);
free_image(sized);
if (filename) break;
}
else {
printf("Enter Image Path: ");
fflush(stdout);
input = fgets(input, 256, stdin);
if(!input) return;
strtok(input, "\n");
list *plist = get_paths(input);
char **paths = (char **)list_to_array(plist);
printf("Start Testing!\n");
int m = plist->size;
if(access("/home/pxt/darknet/data/out",0)==-1)//"/home/FENGsl/darknet/data"修改成自己的路徑
{
if (mkdir("/home/pxt/darknet/data/out",0777))//"/home/FENGsl/darknet/data"修改成自己的路徑
{
printf("creat file bag failed!!!");
}
}
for(i = 0; i < m; ++i){
char *path = paths[i];
image im = load_image_color(path,0,0);
image sized = letterbox_image(im, net->w, net->h);
//image sized = resize_image(im, net->w, net->h);
//image sized2 = resize_max(im, net->w);
//image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
//resize_network(net, sized.w, sized.h);
layer l = net->layers[net->n-1];
float *X = sized.data;
time=what_time_is_it_now();
network_predict(net, X);
printf("Try Very Hard:");
printf("%s: Predicted in %f seconds.\n", path, what_time_is_it_now()-time);
int nboxes = 0;
detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
//printf("%d\n", nboxes);
//if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
free_detections(dets, nboxes);
if(outfile){
save_image(im, outfile);
}
else{
char b[2048];
sprintf(b,"/home/pxt/darknet/data/out/%s",GetFilename(path));//"/home/FENGsl/darknet/data"修改成自己的路徑
save_image(im, b);
printf("save %s successfully!\n",GetFilename(path));
#ifdef OPENCV
//cvNamedWindow("predictions", CV_WINDOW_NORMAL);
//if(fullscreen){
// cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
// }
// show_image(im, "predictions");
//cvWaitKey(0);
//cvDestroyAllWindows();
#endif
}
free_image(im);
free_image(sized);
if (filename) break;
}
}
}
}
step3:
打開中端進(jìn)入/darknet目錄下，進(jìn)行重新編譯：
make
若編譯通過，則可進(jìn)行下一步，編譯中可能有warning，不用理會，不影響最終結(jié)果。
step4:
將想要測試的圖片路徑，放到一個.txt文檔中，比如新建一個.txt文檔：
vim test.txt
然后將測試圖片的路徑放到該文件中。
step5:
運行測試：
本操作是在darknet目錄下進(jìn)行
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg yolov3-voc_final.weights
運行加載模型成功后提示你在中斷輸入圖片路徑：
Loading weights from yolov3-voc_final.weights...Done!
Enter Image Path:
將剛才新建的test.txt文件路徑輸入按回車即可。
或者也可以將訓(xùn)練時生成的2007_test.txt文件路徑輸入
如我的2007_test.txt文件即放在darknet路徑下，輸入如下：
Enter Image Path: 2007_test.txt
按回車后即開始批量測試。
按照前面修改detector.c文件時設(shè)置的檢測后圖片保存路徑，我將圖片保存在data/out路徑下，測試結(jié)束后即可在該文件夾下看到保存的圖片。
