環(huán)境：Ubuntu 16.04 + CUDA8.0 + cudnn5.1

下載模型：

git clone https://github.com/pjreddie/darknet  
cd darknet

修改Makefile文件配置：

在darknet目錄下

gedit Makefile

GPU=1 #如果使用GPU設(shè)置為1闺魏，CPU設(shè)置為0
CUDNN=1  #如果使用CUDNN設(shè)置為1资厉，否則為0
OPENCV=1 #如果調(diào)用攝像頭或顯示圖片碳柱，還需要設(shè)置OPENCV為1氮昧，否則為0
OPENMP=0  #如果使用OPENMP設(shè)置為1考润，否則為0
DEBUG=0  #如果使用DEBUG設(shè)置為1，否則為0

ARCH= -gencode arch=compute_30,code=sm_30 \
      -gencode arch=compute_35,code=sm_35 \
      -gencode arch=compute_50,code=[sm_50,compute_50] \
      -gencode arch=compute_52,code=[sm_52,compute_52]
#      -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?
# This is what I use, uncomment if you know your arch and want to specify
ARCH= -gencode arch=compute_61,code=compute_61 #取消此行注釋并將52改為61，因為我的GPU是1050Ti和1080Ti肮疗，具體GPU算力是多少可以百度

... ...
NVCC=/home/user/cuda-8.0/bin/nvcc   #NVCC=nvcc 修改為自己的路徑
... ...
COMMON+= -DGPU -I/home/hebao/cuda-8.0/include/  #修改為自己的路徑，我的這部分改為cuda也能運行
CFLAGS+= -DGPU
LDFLAGS+= -L/home/hebao/cuda-8.0/lib64 -lcuda -lcudart -lcublas -lcurand  #修改為自己的路徑

編譯：

在darknet目錄下

make

若前面的路徑錯誤或GPU算力不匹配都會報錯柬讨，在服務(wù)器上跑的話將Makefile中的opencv置0崩瓤，否則報錯。

下載權(quán)重踩官，運行demo：

在darknet目錄下

wget https://pjreddie.com/media/files/yolov3.weights
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

若demo運行成功却桶，則說明沒問題。

制作自己的VOC數(shù)據(jù)集：

詳見另一篇文章蔗牡。
這里說一下颖系，我用的VOC2007數(shù)據(jù)集，一般只需要將Annotations替換為自己的xml文件辩越，JPEGImages替換為自己的.jpg圖片即可嘁扼。
需要注意的是VOCdevkit文件目錄在darknet下。

下載voc_label.py文件：

在darknet目錄下：

wget https://pjreddie.com/media/files/voc_label.py

gedit voc_label.py

修改文件：

sets=[('2007', 'train'), ('2007', 'test'), ('2007', 'val')]  #刪除2012的部分
 
classes = ["man", "woman"]    #設(shè)置為自己的類別

運行修改的voc_label.py文件：

python voc_label.py

將會發(fā)現(xiàn)darknet目錄下會出現(xiàn)幾個.txt文件黔攒，然后將其合在一起：

cat 2007_train.txt 2007_val.txt > train.txt

此時會發(fā)現(xiàn)darknet目錄下出現(xiàn)了一個train.txt文件

修改voc.data文件：

gedit cfg/voc.data

classes= 2   #你的數(shù)據(jù)及類別
train  = /home/pxt/darknet/train.txt   #上步產(chǎn)生的train.txt文件路徑
valid  = /home/pxt/darknet/test.txt    #上步生成的test.txt文件路徑
names = data/voc.names
backup = backup

修改voc.names文件：

gedit data/voc.names

man   #自己的數(shù)據(jù)集標(biāo)簽
woman

修改yolov3-voc.cfg文件：

gedit cfg/yolov3-voc.cfg

# Testing
#batch=1    #注釋測試
#subdivisions=1
# Training
batch=32    #取消測試趁啸，現(xiàn)存小的話將batch改小，subdivisions變大
subdivisions=16

還有3處位置都需要修改,可以在gedit下ctrl+f查找yolo找到這三處：

[convolutional]
size=1
stride=1
pad=1
filters=21    # 3*(類別數(shù)+5) 我的類別是2類督惰，所以是21
activation=linear
 
[yolo]
mask = 6,7,8
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=2    #修改類別數(shù)
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1   #若現(xiàn)存較小不傅，可將此項設(shè)為0，不改不影響

下載預(yù)訓(xùn)練權(quán)重：

wget https://pjreddie.com/media/files/darknet53.conv.74

開始訓(xùn)練：

訓(xùn)練前可以修改迭代次數(shù)：

vim yolov3-voc.cfg

打開文件內(nèi)容如下：

[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=64
subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001
burn_in=1000
max_batches = 50200   #在此處修改最大迭代數(shù)赏胚，我的設(shè)置為20000
policy=steps
steps=40000,45000
scales=.1,.1

然后進(jìn)行訓(xùn)練：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

訓(xùn)練的模型將保存在darknet/backup路徑下

若模型訓(xùn)練一半后中斷访娶，想要接著上次的結(jié)果繼續(xù)訓(xùn)練，則可執(zhí)行如下命令：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_20000.weights -gpus 1

即選用最新保存的模型進(jìn)行訓(xùn)練觉阅，但超過10000次后每10000次才保存一次模型崖疤，所以如果上次運行到19999次迭代時中斷，則只能從第10000次迭代保存的模型處開始訓(xùn)練留拾，修改保存模型的間隔的方法暫時未找戳晌。

選擇圖片測試模型：

測試前先打開yolov3-voc.cfg文件修改測試數(shù)據(jù)：

vim yolov3-voc.cfg

然后修改如下：

[net]
# Testing
batch=1      #取消注釋這兩行
subdivisions=1
# Training     #注釋這兩行
#batch=64
#subdivisions=16

測試任意圖片：

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_20000.weights VOCdevkit/VOC2007/JPEGImages/000123.jpg

注：test是指測試，backup/yolov3-voc_20000.weights是指選取的模型路徑痴柔，這里我選用了迭代20000次時保存的權(quán)重模型沦偎，VOCdevkit/VOC2007/JPEGImages/000123.jpg是我選用的測試圖片路徑，隨意選擇了一張VOC數(shù)據(jù)集中的訓(xùn)練圖片，如果要像demo一樣運行的話可以將要測試的圖片保存在data文件夾下豪嚎。

到此為止搔驼，已經(jīng)可以用訓(xùn)練了自己的數(shù)據(jù)集的YOLO權(quán)重模型來測試任意一張圖片，但這里還有一個問題侈询，就是顯示出檢測后的圖片時無法保存圖像舌涨，且這個方法每次都只能測試一張圖片，如何批量化測試多張圖片并保存結(jié)果呢扔字？下面將進(jìn)行介紹囊嘉。

批量化測試圖片并保存：

這里需要修改darknet/examples目錄下的detector.c文件

step1:

在文件開頭添加*GetFilename(char *p)函數(shù)如下：

#include "darknet.h"

static int coco_ids[] = {1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};

char *GetFilename(char *p)     //此函數(shù)為在原文件中新加的
{ 
    static char name[20]={""};
    char *q = strrchr(p,'/') + 1;
    strncpy(name,q,6);//注意后面的6，如果你的測試集的圖片的名字字符（不包括后綴）是其他長度革为，請改為你需要的長度（官方的默認(rèn)的長度是6）
    return name;
}

step2:

將detector.c繼續(xù)往下翻扭粱，找到test_detector函數(shù)修改如下：
由于修改的地方比較多，不便一一標(biāo)注震檩，故建議直接復(fù)制粘貼替換之琢蛤，但注意修改里面的三個路徑，該路徑為你要保存批處理操作后的圖片檢測結(jié)果的文件路徑抛虏。

void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)
{
    list *options = read_data_cfg(datacfg);
    char *name_list = option_find_str(options, "names", "data/names.list");
    char **names = get_labels(name_list);
 
    image **alphabet = load_alphabet();
    network *net = load_network(cfgfile, weightfile, 0);
    set_batch_network(net, 1);
    srand(2222222);
    double time;
    char buff[256];
    char *input = buff;
    float nms=.45;
    int i=0;
    while(1){
        if(filename){
            strncpy(input, filename, 256);
            image im = load_image_color(input,0,0);
            image sized = letterbox_image(im, net->w, net->h);
        //image sized = resize_image(im, net->w, net->h);
        //image sized2 = resize_max(im, net->w);
        //image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
        //resize_network(net, sized.w, sized.h);
            layer l = net->layers[net->n-1];
 
 
            float *X = sized.data;
            time=what_time_is_it_now();
            network_predict(net, X);
            printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);
            int nboxes = 0;
            detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
            //printf("%d\n", nboxes);
            //if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
            if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
                draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
                free_detections(dets, nboxes);
            if(outfile)
             {
                save_image(im, outfile);
             }
            else{
                save_image(im, "predictions");
#ifdef OPENCV
                //cvNamedWindow("predictions", CV_WINDOW_NORMAL); 
                //if(fullscreen){
                //cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
               // }
               // show_image(im, "predictions");
               // cvWaitKey(0);
               // cvDestroyAllWindows();
#endif
            }
            free_image(im);
            free_image(sized);
            if (filename) break;
         } 
        else {
            printf("Enter Image Path: ");
            fflush(stdout);
            input = fgets(input, 256, stdin);
            if(!input) return;
            strtok(input, "\n");
   
            list *plist = get_paths(input);
            char **paths = (char **)list_to_array(plist);
             printf("Start Testing!\n");
            int m = plist->size;
            if(access("/home/pxt/darknet/data/out",0)==-1)//"/home/FENGsl/darknet/data"修改成自己的路徑
            {
              if (mkdir("/home/pxt/darknet/data/out",0777))//"/home/FENGsl/darknet/data"修改成自己的路徑
               {
                 printf("creat file bag failed!!!");
               }
            }
            for(i = 0; i < m; ++i){
             char *path = paths[i];
             image im = load_image_color(path,0,0);
             image sized = letterbox_image(im, net->w, net->h);
        //image sized = resize_image(im, net->w, net->h);
        //image sized2 = resize_max(im, net->w);
        //image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
        //resize_network(net, sized.w, sized.h);
        layer l = net->layers[net->n-1];
 
 
        float *X = sized.data;
        time=what_time_is_it_now();
        network_predict(net, X);
        printf("Try Very Hard:");
        printf("%s: Predicted in %f seconds.\n", path, what_time_is_it_now()-time);
        int nboxes = 0;
        detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
        //printf("%d\n", nboxes);
        //if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
        if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
        draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
        free_detections(dets, nboxes);
        if(outfile){
            save_image(im, outfile);
        }
        else{
             
             char b[2048];
            sprintf(b,"/home/pxt/darknet/data/out/%s",GetFilename(path));//"/home/FENGsl/darknet/data"修改成自己的路徑
            
            save_image(im, b);
            printf("save %s successfully!\n",GetFilename(path));
#ifdef OPENCV
            //cvNamedWindow("predictions", CV_WINDOW_NORMAL); 
            //if(fullscreen){
            //    cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
           // }
           // show_image(im, "predictions");
            //cvWaitKey(0);
            //cvDestroyAllWindows();
#endif
        }
 
        free_image(im);
        free_image(sized);
        if (filename) break;
        }
      }
    }
}

step3:

打開中端進(jìn)入/darknet目錄下博其，進(jìn)行重新編譯：

make

若編譯通過，則可進(jìn)行下一步迂猴，編譯中可能有warning慕淡，不用理會，不影響最終結(jié)果错忱。

step4:

將想要測試的圖片路徑儡率，放到一個.txt文檔中，比如新建一個.txt文檔：

vim test.txt

然后將測試圖片的路徑放到該文件中以清。

step5:

運行測試：
本操作是在darknet目錄下進(jìn)行

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

運行加載模型成功后提示你在中斷輸入圖片路徑：

Loading weights from yolov3-voc_final.weights...Done!
Enter Image Path: 

將剛才新建的test.txt文件路徑輸入按回車即可儿普。
或者也可以將訓(xùn)練時生成的2007_test.txt文件路徑輸入
如我的2007_test.txt文件即放在darknet路徑下，輸入如下：

Enter Image Path: 2007_test.txt

按回車后即開始批量測試掷倔。
按照前面修改detector.c文件時設(shè)置的檢測后圖片保存路徑眉孩，我將圖片保存在data/out路徑下，測試結(jié)束后即可在該文件夾下看到保存的圖片勒葱。