tiny-yolo训练测试（coco训练集混合自己的voc训练集）--20170829

一、构建VOC数据集

1.准备数据
(1)./write.sh //设置输入输出文件的路径，包含训练集图片的文件名
注：输出文件路径是train.txt的绝对路径，并去掉所以后缀名.xml。
(2)运行voc_label.py，生成train_2017.txt文件，里面包含了所有训练样本的绝对路径。
(3)把coco数据集（jason）转换成voc数据集同样的格式，并将coco和自己的数据集混合成新的数据集。
运行darknet-master/data_coco/coco-master/PythonAPI/pycocotools/coco-label.py

二、修改配置文件：

1、修改darknet-master/data/anngic.names里面的类别。
2、修改cfg/coco.data 里面的类别、权重保存文件夹等。
3、修改cfg/tiny_yolo_coco.cfg里的类别、最后一层卷积层计算次数，
修改anchors：
注：像素416*416时用第一行；像素288*288时用第二行。
修改训练次数，如：max_batches=200000
注：接着之前的训练结果训练就把次数累加，不用就直接写训练次数。

三、训练

3.1 训练新的模型，生成只有前13层的权重文件，后两层（14、15层）和分类有关。

#只保留tiny-yolo-coco_final.weights模型的前13层，后两层和分类有关，新模型保存到pre-trained_weights/tiny-yolo-coco.conv.13。./darknet partial cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights  pre-trained_weights/tiny-yolo-coco.conv.13 13

#用pre-trained_weights/tiny-yolo-voc.conv.13进行训练，gpu使用第1、2、3个。./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg pre-trained_weights/tiny-yolo-voc.conv.13 -gpus 0,1,2

3.2 接着之前的结果训练：

./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg '/home/anngic/darknet-master/backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights'  -gpus 0,1,2

四、测试

./darknet detector valid cfg/xnor.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-voc-2.0/tiny-yolo-voc_final.weights ./darknet detector valid cfg/voc.data cfg/xnorcfg/binary_tiny-yolo-voc.cfg backup/tiny-yolo-voc-binary-1/binary_tiny-yolo-voc_final.weights

#224*224./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-anngic2017_224/tiny-yolo-voc_final.weights./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights./darknet detector test cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights  /home/anngic/darknet-master/data_anngic/person2017/JPEGImages/0027033.jpg

#coco./darknet detector demo cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights 00012.avi./darknet detector valid cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights./darknet detector test cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights

五、计算mAP

运行darknet-master/person2017-test/compute_mAP.py