yolov3损失函数详解,使用yolov3训练自己的数据集
前言中所做的所有工作都是基于darknet已经自己训练好的模型，没有提供任何与YOLO训练相关的内容(因为其他人已经送够了)。尽量写傻瓜式，一步一步不停截图，因为能看懂这类博客的基本都没有程序员基础，甚至连剧本都没听过的新手也只是跑来跑去发个水文消息，所以图片多，啰嗦警告，(图中有些路径是马赛克的，没什么效果)。
1运行暗网官方代码中的检测器有效指令，生成测试集的检测结果。darknet检测器有效voc.data文件路径cfg文件路径权重文件路径输出
写上面的通用格式(请不要直接复制粘贴，把文件里的内容替换成你需要的路径，这里不需要，只是用来分隔的！windows和linux下的文件路径也有不同的格式，每个参数之间需要有空格间隔)。(windows可以通过打开cmd或power shell输入指令，linux可以通过CTRL SHIFT T打开终端输入指令，记住输入指令时需要通过cd定位需要运行程序的目录)
voc.data和cfg文件是你当时训练用的配置文件，权重文件是你训练的结果。其中voc.data文件需要修改，应该有五行。第三行是有效的，这是要验证的测试集的路径。它指向的txt文件和train第二行的格式一样(已经训练过的应该知道是什么了)。这里需要修改成你需要的样子。画风如下。
在执行之后，应该在程序的当前目录中产生一个results文件夹，在其中存储测试结果。文件名是comp4_det_test_您的测试的类名。txt，画风如下图。
左边是执行有效指令的过程，右边是产生的txt文件，其中txt中的数据格式为：文件名置信度x y w h。
2下载脚本文件reval_voc_py.py和voc_eval_py.py进行测试。
https://download.csdn.net/download/qq_33350808/10731748
(因为我在CSDN没有找到添加附件的功能，所以只能在这里放一个门户，最低需求分是1分，不能免费给你改成0分。)
请百度和anaconda在windows下安装python默认安装Linux，但它是默认的Python2版本。
如果遇到缺少库的情况，请打开python文件，看看开头都有什么。一般都不算少，都是基础库。
3使用reval_voc_py.py计算mAP值并生成pkl文件Python reval _ VOC _ py3 . py-VOC _ dir VOC文件路径- year year - image_set验证集文件名- classes类名文件路径输出文件夹名
首先将第一部分生成的结果文件夹移动到当前脚本文件的位置，然后执行上面的指令。
Python首先意味着运行python代码。
Reval_voc_py3.py表示当前运行脚本的文件名，用于python3，reval_voc.py用于python2。
voc文件路径是当时用于训练的VOC数据集的路径，比如windows下的d:darknetscriptsVOCdevkit，linux是 home XXX darknet scripts VOC devkit。这只是一个类比，请用你需要的路径来代替。
是VOC数据集中VOC文件名中的时间，比如2007，2012。
验证集文件名一般是VOC Dev Kit VOC 2017 image sets Main中的文件中的txt文件名，比如train.txt就把所有要测试的图片名都塞进去，没有就自己创建(但是没有怎么训练)。注意：这里只需要填写文件名，不需要txt后缀。
文件名路径是voc.names文件的路径，可以在voc.data文件中找到，第4行有这个名称。
输出文件夹名只是我自己写的，比如我这里写的testForCsdn。
所有参数都被替换后，就可以运行了。关于绘画风格如下：
此时，脚本的当前目录下会生成一个包含pkl文件的文件夹，名称就是刚才输入的输出文件夹名称。(这里的名字不需要和我的一样。如果你有多个类，就会生成多个文件，文件名就是你的类名)
请注意，此时已经可以看到地图值。(我这里验证集小，目标简单，所以图大，不用担心。)
用matplotlib绘制PR曲线
直接在pkl文件目录下创建一个python文件，比如PR_draw.py，内容如下。记得修改第三行的参数。
import _ pickle as cPickleimport matplotlib . py plot as pltfr=open( apple _ pr . pkl ，Rb)#这里需要将open中的第一个参数修改成pkl文件INF=cpickle . load(fr)fr . close()x=INF[ rec ]y=INF[ prec ]PLT . figure()PLT . xlabel( recall )PLT . ylabe . PLT . title( pr cruve )PLT . plot(x，y) PLT.show
pythonPR_draw.py
终于，结果出来了。当当当当，画风如下：
Ps:目前为止就写这么多了。应该没有问题。我觉得自己够蠢的。有问题请私信我，我来修改。
