Github链接：https://github.com/AlexeyAB/darknet#how-to-compile-on-windows

推荐博客：http://blog.csdn.net/qq_14845119/article/details/53589282

 

 

Yolo的配置很简单，下载opencv3.2并安装，下载vs2015并安装，打开darknet-master/build/darknet/darknet.sln，修改为release或debug X64，并配置opencv3.2头文件、库文件、链接库，编译直接成功。

 

下面讲下如何训练自己的数据集：

1、下载目录文件yolo-data.ratr并解压缩到在darknet-master/build/darkent/x64/下，将yolo-data重名为自己数据集的名字，如mydata；

链接: https://pan.baidu.com/s/1o7Q4Iz4 密码: xb5a

2、将图片文件拷贝到JPEGImages目录下；

3、新建voc.names文件（具体名字根据自己需要修改），文件内容为所有类别名，每个类别对应一行，默认情况如图所示：

4、新建voc.data文件（具体名字根据自己需要修改），文件内容为类别数classes（特别注意，yolo与faster-rcnn不同，不需要算上背景，实际多少类就是多少类，不需要加1）、训练集路径train、测试集路径valid（非必需，没有则在前面加#注释掉）、类别名文件路径names（第三步中voc.names文件的路径）、训练模型caffemodel文件的保存路径backup，默认情况如图所示：

 

5、修改网络配置文件*.cfg，选择自己的网络模型，修改[region]部分classes为自己数据的类别数，以及最后一个[convolutional]的filters后面的值，因为每个预测框需要预测出x、y、w、h、存在目标的概率、对应每种类别的概率，总共4+1+classes个值，而每个预测点默认5个框，总共5*（5+classes），所以要将filters修改为5*(5+classes)，默认20类，5*25=125。

至此，数据文件目录创建完成，如图所示：

 

6、生成训练数据。修改voc_label.py文件，并运行，修改内容如下：

 

注意：此处的voc_label.py是经修改后的文件，上面的下载链接中会有。

程序会根据trainval.txt文件在Annotations文件夹下生成xml文件，在labels下生成txt文件。Trainval.txt内数据格式为：

 

分别为：图片名、类名、矩形坐标。

******.txt内数据格式是经归一化的数据：

 

第一个数为类别id，后面四个数为对应矩形坐标归一化后的值。

7、开始训练，可选择从头开始训练或是fine tuning。下载文件http://pjreddie.com/media/files/darknet19_448.conv.23 

并放到mydata目录下。

运行cmd，cd到darknet-master/build/darkent/x64/下，输入命令行：

darknet.exe detector train mydata/voc.data mydata/tiny-yolo.cfg  mydata/darknet19_448.conv.23

最后一个参数根据之前训练的模型自行修改，通常为backup目录下生成的caffemodel文件。

8、测试

darknet.exe detect mydata/tiny-yolo.cfg  mydata/backup/*.caffemodel  mydata/*.jpg