参考）YOLOv2训练自己的数据集（voc格式）进行实验，基本上是正确的，但其初始给出的代码并非是在linux下可以运行的，因此参考部分博客写了下面的程序，可以实现对文件夹内图片的批量读取以及更改名称符合VOC数据集习惯。另原文有部分小错误，本文已经修改，但后文属于转载，版权属原作者所有，本文仅为记录和交流用。如下文所示。
1 准备数据
首先准备好自己的数据集，最好固定格式，此处以VOC为例，采用jpg格式的图像，在名字上最好使用像VOC一样类似000001.jpg、000002.jpg这样。可使用下面示例代码
#include <dirent.h>
#include <sys/stat.h>
#include <unistd.h>
#include <stdio.h>
#include <string.h>
#include <opencv2/opencv.hpp>
#define img_num 2000
char img_file[img_num][1000];
int list_dir_name(char* dirname,int tabs)
{
DIR* dp;
struct dirent* dirp;
struct stat st;
char tab[tabs + 1];
char img_count=0;
/* open dirent directory */
if((dp = opendir(dirname)) == NULL)
{
perror("opendir");
return -1;
}
/* fill tab array with tabs */
memset(tab,'\t',tabs);
tab[tabs] = 0;
/**
* read all files in this dir
**/
while((dirp = readdir(dp)) != NULL)
{
char fullname[255];
memset(fullname,sizeof(fullname));
/* ignore hidden files */
if(dirp->d_name[0] == '.')
continue;
/* display file name */
//printf("img_name:%s\n",dirp->d_name);
strncpy(fullname,dirname,sizeof(fullname));
strncat(fullname,dirp->d_name,sizeof(fullname));
strcat(img_file[img_count++],fullname);
printf("Image %3d path:%s\n",img_count-1,img_file[img_count-1]);//fullname=dir+file name,the absolute path of the image file
/* get dirent status */
if(stat(fullname,&st) == -1)
{
perror("stat");
fputs(fullname,stderr);
return -1;
}
/* if dirent is a directory,call itself */
if(S_ISDIR(st.st_mode) && list_dir_name(fullname,tabs + 1) == -1)
return -1;
}
return img_count;
}
int main(int argc,char* argv[])
{
char* dir="/home/robot/Downloads/mark_recognition/car_img/simple_3class/";
printf("%s\n",dir);
char sum=list_dir_name(dir,1);
printf("Img total num:%d\n",sum);
int i;
char order[1000];
char txt_path[1000];
char* txt_name="train.txt";
memset(txt_path,sizeof(txt_path));
strcat(txt_path,dir);
strcat(txt_path,txt_name);
FILE *fp = fopen(txt_path,"w");
for (i = 0; i<sum; ++i)
{
char img_path[1000];
memset(img_path,sizeof(img_path));
printf("Source %s\n",img_file[i]);
IplImage *pSrc = cvLoadImage(img_file[i]);
sprintf(order,"%05d.jpg",i);
strcat(img_path,dir);
strcat(img_path,order);
cvSaveImage(img_path,pSrc);
fprintf(fp,"%05d\n",i);
printf("Save as%s\n",img_path);
cvReleaseImage(&pSrc);
}
fclose(fp);
return 0;
}
准备好了自己的图像后，需要按VOC数据集的结构放置图像文件。VOC的结构如下
这里面用到的文件夹是
Annotations、ImageSets和JPEGImages。其中文件夹
Annotation中主要存放xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别信息，命名通常与对应的原始图像一样；而ImageSets我们只需要用到Main文件夹，这里面存放的是一些文本文件，通常为train.txt、test.txt等，该文本文件里面的内容是需要用来训练或测试的图像的名字（无后缀无路径）；JPEGImages文件夹中放我们已按统一规则命名好的原始图像。
因此，首先
1.新建文件夹VOC2007（通常命名为这个，也可以用其他命名，但一定是名字+年份，例如MYDATA2016，无论叫什么后面都需要改相关代码匹配这里，本例中以
VOC2007为例）
2.在VOC2007文件夹下新建三个文件夹
Annotations、ImageSets和JPEGImages，并把准备好的自己的原始图像放在JPEGImages文件夹下
3.在ImageSets文件夹中，新建三个空文件夹Layout、Main、Segmentation，然后把写了训练或测试的图像的名字的文本拷到Main文件夹下，按目的命名，我这里所
有图像用来训练，故而Main文件夹下只有train.txt文件。上面代码运行后会在图片文件夹内生成该文件，把它拷进去即可。
2 用YOLOv2训练
1.生成相关文件
按darknet的说明编译好后，接下来在darknet-master/scripts文件夹中新建文件夹VOCdevkit，然后将整个VOC2007文件夹都拷到VOCdevkit文件夹下。
然后，需要利用scripts文件夹中的voc_label.py文件生成一系列训练文件和label，具体操作如下：
首先需要修改voc_label.py中的代码，这里主要修改数据集名，以及类别信息，我的是VOC2007，并且所有样本用来训练，没有val或test，并且只检测人，故只有一类
目标，因此按如下设置
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir,getcwd
from os.path import join
#sets=[('2012','train'),('2012','val'),('2007','test')]
#classes = ["aeroplane","bicycle","bird","boat","bottle","bus","car","cat","chair","cow","diningtable","dog","horse","motorbike","person","pottedplant","sheep","sofa","train","tvmonitor"]
sets=[('2007','train')]
classes = [ "person"]
def convert(size,box):
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
def convert_annotation(year,image_id):
in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year,image_id)) #（如果使用的不是VOC而是自设置数据集名字，则这里需要修改）
out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year,image_id),'w') #（同上）
tree=ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text),float(xmlbox.find('xmax').text),float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))
bb = convert((w,h),b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for year,image_set in sets:
if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year,image_set)).read().strip().split()
list_file = open('%s_%s.txt'%(year,image_set),'w')
for image_id in image_ids:
list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd,year,image_id))
convert_annotation(year,image_id)
list_file.close()
修改好后在该目录下运行命令：python voc_label.py，之后则在文件夹scripts\VOCdevkit\VOC2007下生成了文件夹lable，该文件夹下的画风是这样的
这里包含了类别和对应归一化后的位置（i guess，如有错请指正）。同时在scripts\下应该也生成了train_2007.txt这个文件，里面包含了所有训练样本的绝对路径。
2.配置文件修改
做好了上述准备，就可以根据不同的网络设置（cfg文件）来训练了。在文件夹cfg中有很多cfg文件，应该跟caffe中的prototxt文件是一个意思。这里以tiny-yolo-voc.cfg为例，该网络是yolo-voc的简版，相对速度会快些。主要修改参数如下
copy
- .
- .
- .
- [convolutional]
- size=1
- stride=1
- pad=1
- filters=30//修改最后一层卷积层核参数个数，计算公式是依旧自己数据的类别数filter=num×（classes+coords+1）=5×（1+4+1）=30
- activation=linear
- [region]
- anchors=1.08,1.19,3.42,4.41,6.63,11.38,9.42,5.11,16.62,10.52
- bias_match=1
- classes=1//类别数，本例为1类
- coords=4
- num=5
- softmax=1
- jitter=.2
- rescore=1
- object_scale=5
- noobject_scale=1
- class_scale=1
- coord_scale=1
- absolute=1
- thresh=.6
- random=1