因為很多是我按照記憶來寫的，可能會有錯誤，大家一定按照給的連結為準，參考這些即可。。。。。

最近，在師哥的引導下，接觸了一下YOLO演算法，是近年來一個比較好的目標檢測演算法，而且它有自己的開源深度學習框架—darknet，使用起來比較簡單，對於我一個新手來說，挺直白的這個，可以學習一下。

我是在ubuntu16.04下配置的darknet，darknet的安裝比較簡單，官網上有詳細的步驟，按部就班就能裝上。

darknet的   官網   

darknet的安裝並不困難，但是因為要訓練，就需要配置GPU，要安裝顯示卡驅動，這裡面的坑是巨大的，我是站在師哥的肩膀上，師哥已經配置好了，就方便多了，使用darknet不難，配置GPU是真的坑多，按照教程一步一步來，不行就多配置幾遍，因為就算第一次配置成了，下一次也不一定成功，配置就是這麼煩的工作。我推薦一個網址，可以按照下面連結的教程來。

這裡面比較彆扭的是要很多操作要進入字元介面操作，但是像我這樣對Ubuntu系統很不熟悉，幾乎陌生的人，玩不轉，但是隻要耐心多弄幾次，不會的就多百度，慢慢就弄出來了，詳細的步驟就按照上面的教程來。

還需安裝opencv，配置opencv。。。。。

下面說一下，怎麼利用YOLO演算法的darknet框架來進行自己的目標檢測。

先貼一個github教程        

首先要有樣本，我們要有圖片，需要對圖片進行標註，這裡面就要用到一個標註工具  YOLO—mark，需要下載這個包，然後編譯配置，安裝這個教程來         YOLO—mark  

先把github上的這個包下載下來，解壓，然後就把一些檔案的引數改改，把圖片替換成自己的就行。

先把 x64/Release下的yolo-obj.cfg檔案中的classes和filters改成自己的，classes就是你要檢測目標一共有多少種，filters=（classes+5）*5，開啟yolo-obj.cfg 檔案，按住Ctrl+f搜尋classes跟filters，改成自己需要的數，classes只有一個，filters有很多，改哪一個，看一下上面那個教程，只需要修改一處。。

然後再對x64/Release/data下的進行修改。img裡面的照片換成自己的，按上面給的教程修改obj.data和obj.names檔案裡面的內容，obj.data檔案裡要修改的就是classes，自己檢測多少種，就改多少。obj.names就是要檢測目標的名字，比如cat，dog，car。。。。一個名字一行。。。train.txt不用動，這個檔案是一會執行自動生成的，裡面是你標註過的圖片的路徑。那兩個檔案怎麼修改，參考上面的教程即可，這就不多囉嗦了。train.txt檔案內容參考下圖

首先cd Yolo_mark-master，先到Yolo_mark-master這個資料夾路徑下

然後按照指令編譯即可

cmake .     （注意cmake和  .  之間是有一個空格的）

make

編譯好了會生成一些檔案，如下圖

第一個資料夾，第3,4個檔案，還有倒數第三個可執行程式就是新生成的。

然後 ./linux_mark.sh 就會運行了。

輸入./linux_mark.sh這個指令可能會報錯，缺少許可權，再輸入指令

chmod a+x ./linux_mark.sh

再輸入

./linux_mark.sh

應該就可以成功運行了，這就解決了標註問題。標註除了會生成那個train.txt檔案外，再就會在img資料夾下生成一些txt檔案，標註一張圖片都會生成想應的txt檔案，檔案裡面就是標註框的中心點座標和標註框的長寬，長和寬是按照一定比例折算的，不是實際的大小。

剩下的工作就是將你所需要訓練的照片都標註上，標註完成後將data檔案複製到darknet/x64/Release/下，替換原來的data資料夾。

然後需要修改yolo-obj.cfg檔案裡面的內容，到darknet/cfg/下，找到yolov3.cfg，將裡面的內容複製到yolo-obj.cfg檔案中。

需要修改一些內容，還是按住Ctrl+f搜尋classes，一共三處classes，換成你要檢測的種類。再搜尋yolo，將yolo層上面的filters改成（classes+5）*3，也是一共三處，參考下圖。具體參考yolov3。。。for win and linux那個教程，會告訴具體修改哪一行。

這裡要注意，不要跟配置標註工具的時候混淆了。。。。。。。filters的計算是不一樣的，數目也不一樣，標註工具的只有一處，這有三處。。。。。。

在訓練的時候，按照下圖

測試的時候，按照下圖修改

正常訓練過程如下圖

如果，全部都顯示nan，說明訓練發生錯誤，可能是哪個檔案沒修改對，期望的是class趨近1，obj趨近1，no obj趨近0。

前900次，每100次會生成一個模型，後面10000次生成一個，儲存在darknet/backup資料夾下

其中yolo-obj.backup這個是實時儲存的，剩下的到了一定步數生成的。

在訓練的時候一定要修改yolo-obj.cfg檔案，將來轉換為訓練模式，測試的時候記得修改成測試模式。

下面是訓練指令

./darknet detector train 是訓練固定的   x64/Release/data 是obj.data的路徑  x64/Release是yolo-obj.cfg的路徑，cd darknet是到了darknet路徑下，即它們都是在darknrt路徑下的

下面是測試指令

backup/yolo-obj.backup是儲存在backup檔案下的訓練生成的模型

data/test1241.jpg是data資料夾下的一張測試圖片

對於一個ubuntu的新手來說，務必要搞清楚這些路徑問題。。。。。。。

因為很多是我按照記憶來寫的，可能會有錯誤，大家一定按照給的連結為準，參考這些即可。。。。。