本文從假設你已經有一個影象資料集和xml標籤資料集了。然後從VOC2007資料集的製作開始說。

資料整理方法---訓練方法-----利用訓練日誌繪製Loss\IOU等曲線的方法------測試方法---------批量測試方法

資料整理方法：

（假設你只想要其中某些類，就要用程式剔除不要的標籤、然後刪除空標籤以及對應影象。注意備份）

訓練自己的資料

訓練帶正常螺栓的資料集

        -採用的初始權重為：首先Imagenet訓練過，然後經過我們螺栓庫訓練過，然後經過提包線夾脫銷資料集訓練過得到的yolov3模型權重。

        -問題：之前訓練過yolov3，但這一次還是調整了半天，說明模型的訓練過程中，不能單單的跑出來，要記錄具體的訓練步驟，以及處理過程。

        -具體流程如下

• 修改cfg中voc.data:，

                         classes是資料集類、train和valid是由voc_label.py根據aa.m分配完成的位於Main中的結果文件生成的訓練txt。names是類別名稱單獨放一個資料夾，類別按voc_label中相同的順序填寫。backup後面是一個資料夾，儲存訓練好的網路權重

• 修改yolov3-voc.cfg：

            -文件內搜尋yolo。

          -開頭部分

            修改對應的地方。filters=3x（類別數目+5）

           所需要的檔案如下：

voc_label.py網上都有，生成VOC格式的MaIn中txt檔案的py程式碼放在另一個博文裡面了，設定的是隨機挑選資料分配到test與train的，不是順序的，要注意。

LOSS曲線與IOU曲線繪製

1、繪製上一次訓練的Loss曲線、IOU曲線

        -還有map和ap曲線還沒知道怎麼畫

        -需要三個程式

       首先把命令視窗列印的訓練日誌複製下來然後：

1. extract Log日誌為 Loss和iou版本、
2. 都與日誌放在同一個資料夾下執行
3. 分別用train-loss\train-iou對日誌資料進行視覺化

單張圖片測試：

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights 01.jpg

批量測試：

1.視覺化的批量測試

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights

命令，執行後輸入依次2007_train.txt\2007_test.txt\2007_val.txt的路徑，會蹦出圖片，一張張關閉掉，就會自動儲存並且執行下一張。執行完一組，結果輸出到data/out裡面，修改名字，跑下一個txt。就可以得到本次測試的圖片結果。

2.數字結果的批量測試（輸出txt，裡面是框座標、類別、得分）

  ./darknet detector vaild cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights -gpu 0,1 thresh .001

 會把cfg/voc.data裡的測試txt文件中的所有圖片批量測試一遍，按類輸出txt文件到darknet-master/result資料夾中。更換不同的txt，得到val.txt、train.txt、test.txt對應資料的測試結果，每一次都要分開儲存好，避免覆蓋

測試結果

影象測試結果和數值座標結果都分別儲存下來。

時間倉促，把關鍵點寫了出來，有問題歡迎留言討論。