darknet_AlexeyAB详述

克隆代码：git clone https://github.com/GuoJaw/darknet_AlexeyAB

Introduce：

主要用于训练自己的数据集
测mAP

测试视频

  [1- 测试video]
./darknet detector demo kitti/TestFile/kitti.data  kitti/TestFile/yolov3_kitti.cfg  kitti/TestFile/yolov3_kitti_final.weights -c 0 -thresh 0.3  test.avi

训练自己的数据集（以KITTI数据集为例）

【一】 制作KITTI格式数据集，将目录放在~/data/目录下，目录结构，见下：
KITTIdevkit
KITTI
    Annotations  #标注的XML文件
    ImageSets  #train.txt  test.txt  val.txt  trainval.txt
	 Main
    JPEGImages  #图像文件jpg或png

执行软连接： 
	cd  darknet-pjreddie/kitti
	ln  -s  ~/data/KITTIdevkit  .   #将数据集软连接到darknet-pjreddie/kitti目录下

【二】
（1）用matlab在KITTI/ImageSets/Main生成四个文件train.txt   trainval.txt   val.txt   test.txt 
（2）用上面生成的四个文件，执行脚本：
	gjw@gjw:~/darknet_AlexeyAB-master/kitti$ python2  kitti_label.py 
执行结果：
	[1]在./KITTIdevkit/KITTI目录下，产生YOLO训练需要labels下的txt
		（txt内容：每张jpg/png图像中的类别和坐标信息） 
	[2]在kitti/下应该也生成了train.txt,test.txt,val.txt这3个文件
		（3个.txt文件：里面包含了所有训练,测试样本的绝对路径）

【三】TestFile/目录下，配置文件的修改

	（1）kitti.names： 标签名字文件，修改见下
		car
		pedestrian
		cyclist

	（2）kitti.data： 
		classes= 3

		train  = /home/gjw/darknet_AlexeyAB/kitti/train.txt  ##【二】（2）-[2]生成的train.txt目录
		valid  = /home/gjw/darknet_AlexeyAB/kitti/test.txt   ##【二】（2）-[2]生成的test.txt目录

		names = /home/gjw/darknet_AlexeyAB/kitti/TestFile/kitti.names  ##【三】（1）kitti.names

		backup = /home/gjw/darknet_AlexeyAB/kitti/backup    ##存放训练生成的.weight权重文件的目录	
		results = /home/gjw/darknet_AlexeyAB/kitti/kitti_result

	【注意】必须新建./kitti/backup和./kitti/kitti_result目录

	（3）yolov3-kitti.cfg网络配置文件
	    [1]一共需要修改三处
			[convolutional]
			size=1
			stride=1
			pad=1
			filters=24  #### 计算公式 = 3 * （类别数 + 5）
			activation=linear

			[yolo]
			mask = 0,1,2
			anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
			classes=3   ####类别数，本例为2类  
			num=9
			jitter=.3
			ignore_thresh = .5
			truth_thresh = 1
			random=0    ###1
	    [2]相关其他参数
		    learning_rate  学习率0.0001
		    max_batches  最大迭代次数  40000

【六】训练命令
	cd ~/darknet_AlexeyAB
	./darknet detector train kitti/TestFile/kitti.data  kitti/TestFile/yolov3_kitti.cfg darknet53.conv.74 
说明：
	darknet53.conv.74 是加载的预训练模型，在官网上可以下载

=========================================

1. 测试视频

./darknet detector demo  kitti/TestFile/kitti.data  kitti/TestFile/yolov3_kitti.cfg  kitti/TestFile/yolov3_kitti_final.weights  kitti/TestFile/test.avi  -thresh 0.3 

=========================================

2. 测试mAP

1、valid生成检测结果文件
（1）cfg/voc.data最后添加一行：results = /home/gjw/darknet_AlexeyAB/scripts/results   ####保存下面命令输出的结果，新建results目录
（2）执行命令
./darknet detector valid cfg/voc.data  cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights  -thresh 0.5
结果：将生成的类别的结果文件:/home/gjw/darknet_AlexeyAB/scripts/results

2、在/home/gjw/darknet_AlexeyAB/scripts目录下，新建output，执行：
 python2 reval_voc.py --voc_dir ./VOCdevkit --year 2007 --image_set test --classes voc.names output