yolo-darknet实现自己数据的train和test

有目共睹的是，yolo训练数据优点明显，训练检测速度超快，功能超强。因网上关于yolo训练自己数据的博客几乎没有，所以我就yolo训练自己数据做一具体操作流程，希望可以帮助大家，让大家对yolo不再陌生。若不能训练成功，请与我联系，邮箱：[e-mail]
注意：1、请根据我的博客将yolo安装和测试，博客地址：http://blog.csdn.net/samylee/article/details/51684856
2、请严格按照我博客的顺序做下去

第一部分：修改darknet/makefile文件
打开makefile文件：
1、删去CUDNN=0一行
2、LDFLAGS= -lm -pthread改为LDFLAGS= -lm -pthread -lstdc++
3、删去ifeq($(CUDNN),1)至-lcudnn endif
4、删去activation_layer.o至art.o
5、删去LDFLAGS+= -lstdc++一行
6、在avgpool_layer_kernels.o后增加yolo_kernels.o coco_kernels.o
保存退出

第二部分：下载src文件夹
下载链接：http://download.csdn.net/detail/samylee/9555834
下载解压后替换/darknet下的原src文件夹
打开src文件夹下的yolo.c文件：
1、classnum代表训练几类，person代表训练的类别（这里我给出例子为person）
2、修改train_images部分：改其中的usr为您的服务器用户名
3、修改backup_directory部分：改其中的usr为您的服务器用户名（同时在/darknet文件夹下新建文件夹命名为backup）
打开src文件夹下的yolo_kernels.cu文件：
其中cls_num 1代表1类（如果增加类，此变量相应增加）

第三部分：下载数据
images下载链接：http://download.csdn.net/detail/samylee/9555838
labels下载链接：链接：http://pan.baidu.com/s/1dFG2LX3 密码：66xd
train.txt下载链接：链接：http://pan.baidu.com/s/1nvguFKP 密码：bg0b
darknet.conv.weights（yolo-tiny小模型）下载链接：http://download.csdn.net/detail/samylee/9555843
1、将images、labels和train.txt文件夹放入/darknet/scripts文件夹下，同时打开train.txt文件，修改usr为您服务器的用户名，保存退出。
2、将darknet.conv.weights文件放入/darknet下

第四部分：编译
终端输入：
cd darknet（进入darknet文件夹）
make clean
make -j16

第五部分：训练数据
终端输入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
如果终端显示NO such file or directory
则在darknet目录的终端下输入:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
再次终端输入：
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
此时程序会跑起来，我在程序执行至保存1000步的时候进行了测试

第六部分：测试数据

这里提供yolo-tiny_1000.weights下载，仅供参考，下载链接：链接：http://pan.baidu.com/s/1c18hgT6 密码：xbh9

将darknet/backup文件夹下生成的yolo-tiny_1000.weights拷贝至/darknet下，同时将/darknet/scripts/images/person下的s8.jpg拷贝至/darknet下
终端输入：
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny_1000.weights

运行后终端会出现Enter Image Path一行，在后面输入s8.jpg即可，得到predicton如下图所示（因数据量过低，故效果不是很好，增加数据量即可解决，这里只做demo）：