warning

該流程僅供內部使用，外部人士使用可能會報很多很多錯誤！

步驟

先清除backup文件夾中老的權重文件：

將標定好圖片以及annotation .txt文件拷貝到obj文件夾，一一對應，路徑build/darknet/x64/data/obj，如：

修改train.txt和test.txt文件，路徑需與我們的圖片以及標注路徑一致：

詳細步驟：
1）新建Exel表格，在第一個單元格輸入第一張圖片路徑，按住單元格右下角按鈕往下拖動，直到生成跟數據集相同數量的單元格：

2）ctrl+a全選單元格，復制，打開train.txt文件，粘貼：

3）自行從中抽取（剪切）若干行粘貼到test.txt中，作為測試集，我這里抽取301-400、701-800、1101-1200、1501-1600共400張（25%）作為測試集。如有條件可用數據集拆分工具，更精準：
參考文章：python 如何將數據集拆分成訓練集和測試集（驗證集）? split

修改obj.data和obj.names文件，路徑要對應：

復制yolo-voc.2.0.cfg文件，重命名為yolo-obj.cfg，打開yolo-obj.cfg，修改里面相關參數（屬于高級調參，這步我們暫時不修改）：

打開darknet.sln，修改darknet.c相關代碼，點擊生成–> 生成解決方案：

成功生成解決方案后，用記事本打開train-obj.cmd，查看里面內容，確認無誤后，運行它，便開始訓練，訓練過程中可查看backup文件夾生成的權重文件情況：

測試權重文件參數
請參考：python yolo-v2 設計批處理程序對訓練生成的權重文件進行自動化批量測試，并輸出結果到指定txt文件

總結

以上是生活随笔為你收集整理的yolo-v2 自己的数据集训练以及测试流程（仅供内部使用！）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。