Darknet真是个强大的玩意儿：简洁，几乎没什么依赖，编译一次通过，速度快（貌似）。相比于跑Faster RCNN，这个跳坑算是比较少的。
下面照例写出来各种跳坑的历程。新出的V3和V2用法是一样的。
下载代码和编译
最近魔都Github抽风，给Git挂个梯子就好了。
git clone https://github.com/pjreddie/darknet.git
cd darknet
make
就这样，就这样……
如果需要使用GPU的话，在Makefile里面设置一下就好了：打开cuda和cudnn。
nvcc的路径，如果是官网下载deb完整包进行安装的话，路径可能是/usr/local/cuda-8.0/bin/
下载训练好的权重
很多……而且因为有 某个很恶心 的东西存在，所以很难下载。同样的，请挂梯子。
wget http://pjreddie.com/media/files/yolo.weights
如果不想显得那么乱的话，可以统一放到一个文件夹（例如：weights）里。
跑Demo
./darknet detector test cfg/voc.data cfg/yolov2.cfg weights/yolo.weights data/dog.jpg
应该很快就能出结果吧。效果很震撼。
使用自己的数据进行训练
对，这才是重点。
数据准备
我们就使用VOC数据集吧。
Darknet有自己专用的数据格式，好在有数据格式转换脚本，不需要我们自己写。这个脚本可以将VOC的xml数据转成YOLO的TXT数据： 每行一个框框，格式为 Class x y w h。
首先，把下载回来的数据集放到script/VOCdevkit里面。之后，运行python voc_label.py。
如果你只下载了某年的数据，那么要在voc_label.py里面进行相应的修改。
我们会得到几个类似于2007_train.txt、2007_test.txt的文件，将它们放在data/voc/里面吧。把几个train合并一下，形成train.txt文件。
配置文件修改
- 到
cfg文件夹，将yolo-voc.cfg和voc.data复制一份（例如，jinyu121.cfg和jinyu121.data）。 -
在
jinyu121.cfg文件中- 找到
region小节的classes=20，改为你的类别数。 - 找到最后一个
convolutional小节的filters=125，将它改成「(你的类别数+5)×5」。更准确地说，「this depends on the num and coords, i.e. equal to(classes + coords + 1)*num」。 - 注意最前面的图片大小不要改，否则就是完全重新训练一个网络了……
- 找到
- 在
jinyu121.data文件中，改成classes= 你的类别数 train = data/voc/train.txt valid = data/voc/2007_test.txt names = data/jinyu121.names backup = backup - 在
data文件夹中建立jinyu121.names，里面一行一个类别标签
到这里，数据准备完毕。
代码修改
其实需要修改的地方甚少……
在src/detector.c中，将大约373行的voc.2007.test改为data/voc/2007_test.txt
然后重新编译一下。
下载预训练权重
curl -O http://pjreddie.com/media/files/darknet19_448.conv.23
开始跑
一个命令搞定：
./darknet detector train cfg/jinyu121.data cfg/jinyu121.cfg weights/darknet19_448.conv.23
呼呼拉拉一堆数字飞过。生成的模型会在backup文件夹里。
单张测试
./darknet detector test cfg/jinyu121.data cfg/jinyu121.cfg backup/jinyu121_final.weights your_own_image.png
预测test集
./darknet detector valid cfg/jinyu121.data cfg/jinyu121.cfg backup/jinyu121_final.weights
结果统计
统计Recall：
./darknet detector recall cfg/jinyu121.data cfg/jinyu121.cfg backup/jinyu121_final.weights foofoofoofoo
生成VOC的提交结果，使用Matlab评测：
./darknet detector test cfg/jinyu121.data cfg/jinyu121.cfg backup/jinyu121_final.weights foofoofoofoo
最后那个foo可以不加，是为了凑参数数量用的……
在这里统一说明一下参数
./darknet 模块名称 动作 data配置文件 cfg配置文件 权重文件 文件列表
写在最后
这个东西太简洁太强悍了！！！
请收下我的膝盖ORZ……
另外多一嘴，AlexeyAB的这个版本比原作者的质量要稍微高一点。如果某些地方被原作者坑了好久的话，可以试试这个版本。
发表回复