warning

该流程仅供内部使用，外部人士使用可能会报很多很多错误！

步骤

先清除backup文件夹中老的权重文件：

将标定好图片以及annotation .txt文件拷贝到obj文件夹，一一对应，路径build/darknet/x64/data/obj，如：

修改train.txt和test.txt文件，路径需与我们的图片以及标注路径一致： 详细步骤： 1）新建Exel表格，在第一个单元格输入第一张图片路径，按住单元格右下角按钮往下拖动，直到生成跟数据集相同数量的单元格： 2）ctrl+a全选单元格，复制，打开train.txt文件，粘贴： 3）自行从中抽取（剪切）若干行粘贴到test.txt中，作为测试集，我这里抽取301-400、701-800、1101-1200、1501-1600共400张（25%）作为测试集。如有条件可用数据集拆分工具，更精准：参考文章：python 如何将数据集拆分成训练集和测试集（验证集）? split

修改obj.data和obj.names文件，路径要对应：

复制yolo-voc.2.0.cfg文件，重命名为yolo-obj.cfg，打开yolo-obj.cfg，修改里面相关参数（属于高级调参，这步我们暂时不修改）：

打开darknet.sln，修改darknet.c相关代码，点击生成–> 生成解决方案：

成功生成解决方案后，用记事本打开train-obj.cmd，查看里面内容，确认无误后，运行它，便开始训练，训练过程中可查看backup文件夹生成的权重文件情况：

测试权重文件参数请参考：python yolo-v2 设计批处理程序对训练生成的权重文件进行自动化批量测试，并输出结果到指定txt文件