yolov2完整训练流程，附带案例

整个过程以百度云盘: https://pan.baidu.com/s/1jHVSVR4 密码: 9xwy 为例，内含完整的修改过的代码及训练数据
1、安装下载
源码下载,终端输入:
git clone https://github.com/pjreddie/darknet
编译,终端输入:
cd darknet
make

下载预训练模型网址
http://pjreddie.com/media/files/yolo.weights
将下载的模型darknet19_448.conv.23放在personTrainData文件夹目录下

2、样本制作
先将labels下的所有xml文件拷贝至personTrainData/images/person文件夹下，此处总共13张图片及13个
xml文件，分10张作为训练样本，3张作为验证样本。在personTrainData文件夹中新建txt文件
validate.txt用于存放验证集图片路径如/home/yqy/darknet/personTrainData/images/person/s11.jpg
tran.txt用于存放验集图片路径如/home/yqy/darknet/personTrainData/images/person/s1.jpg

3、修改配置文件
打开darknet/cfg/voc.data文件，将classes设置为1，train和validate设置为上一步的train.txt和validate.txt的路径
打开darknet/data/voc.names文件，删除所有内容，输入新的内容person
打开darknet/cfg/yolo-voc-person.cfg文件，修改倒数第一个convolutional标签的filters=35,region标签下的classes为2

4、开始训练
进入darknet目录，终端输入：
./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23
默认每循环1000次生成的.weights文件将保存至darknet/backup文件夹下

5、使用训练好的模型进行检测
终端输入：
./darknet detect cfg/yolo-voc-person.cfg 生成的模型.weights 需要检测的图片.jpg

./darknet detector test cfg/voc.data cfg/yolo-voc-person.cfg 生成的模型.weights 需要检测的图片.jpg

检测结果将保存为predictions.png