项目需求+锻炼自己，尝试用yolov2跑自己的数据集，中间遇到了很多问题，记下来防止忘记
一、数据集
首先发现由于物体特殊没有合适的现成的数据集使用，所以只好自己标注，为了减少工作量，先用opencv标记连通域
（环境 ubuntu qt opencv）
在qt中创建console类型工程，需要对test.pro进行如下配置
QT -= gui
QT += core
CONFIG += c++11
CONFIG += console
CONFIG -= app_bundle
TARGET = test
TEMPLATE = app
DEFINES += QT_DEPRECATED_WARNINGS
SOURCES += main.cpp
INCLUDEPATH+=/home/opencv-3.4.4/include\
/home/opencv-3.4.4/include\opencv\
/home/opencv-3.4.4/include\opencv2
LIBS+=-L/home/opencv-3.4.4/build/lib\
-lopencv_core\
-lopencv_imgcodecs\
-lopencv_highgui\
-lopencv_imgproc路径按照自己电脑中的路径，test图片要放入debug文件夹内，或者写绝对路径
头文件也需要注意
1 #include <opencv2/core/core.hpp>
2 #include <opencv2/highgui/highgui.hpp>
3 #include <opencv2/opencv.hpp>
4 #include <iostream>
5 #include <string>
6 #include <stdio.h>
7 using namespace std;
8 using namespace cv;头文件包含不足够会出现 returned 1 status问题
###接下来对图片处理
首先转为灰度图，接着用floodfill函数，OTSU算法，利用OTSU算法得到的阈值进行二值化处理（具体不再展开）
【用函数threshold，其中type选择THRESH_OTSU】
之后像素反转，因为一般习惯物体（前景）黑色，背景白色
标记连通域可以用函数findcontours 和 drawcontours，并且可以输出代码数量作为参考
1 vector <vector<Point>> contours;
2 findContours(reverseImage,
3 contours,
4 CV_RETR_CCOMP,//外轮廓
5 CV_CHAIN_APPROX_NONE);//存储所有轮廓点
6
7 Mat result(reverseImage.size(),CV_8U,Scalar(255));
8 drawContours(result,
9 contours,
10 -1,//画所有轮廓
11 Scalar(0),//黑色
12 2);
13 namedWindow("contours");
14 imshow("contours",result);
15 cout<<"contours:"<<contours.size()<<endl;为了避免没用的连通域，需要对其进行筛选，其过滤过大过小连通域
1 unsigned int cmin=100;
2 unsigned int cmax=5000;
3 vector<vector<Point>>::const_iterator itc=contours.begin();
4 while(itc!=contours.end())
5 {
6 cout<<itc->size()<<endl;
7 if (itc->size() < cmin || itc->size() > cmax)
8 itc=contours.erase(itc);
9 else
10 ++itc;
11 }
12 Mat result_erase(result.size(),CV_8U,Scalar(255));
13 drawContours(result_erase,
14 contours,
15 -1,
16 Scalar(0),
17 2);
18
19 namedWindow("contours_erase");
20 imshow("contours_erase",result_erase);
21 cout<<"contours:"<<contours.size()<<endl;结果如下：
二、数据集准备
复杂的环境下识别连通域并不准确，所以最后还是决定手动标注，用的labelimg，方法非常简单
唯一的技巧可能就是选择自动保存，以及单一标注，标注前后的格式分别是jpg和xml
这是为了和VOC数据集格式相同，便于yolov2识别
需要注意的是如果没有bounding box，那么也没有相应图片的xml，一定要删除照片，否则之后训练时会出现问题
命名格式也可以按照VOC数据集的命名格式
VOC数据集包括三个文件夹，Annotations，ImageSets，JPEGImages，分别放xml，（layout，main，segmentation），jpg
其中main包括train.txt 用来存放照片的名称（无路径，无后缀）
【照片名称写入txt的步骤建议Python】
1 import sys
2 import os
3 import random
4 file_path="/home/yjq/test_image"
5 path_list=os.listdir(file_path)
6 path_name=[]
7 for i in path_list:
8 path_name.append(i.split(".")[0])
9
10 path_name.sort()
11
12 for file_name in path_name:
13 with open("/home/yjq/image_name.txt","a") as f:
14 f.write(file_name+"\n")
15 f.close()三、配置yolov2
在darknet/scripts下建立文件夹，名字自取（如：VOCdevkit）
里面放入准备好的数据集
对voc_label.py进行修改
【进入pycharm的bin中，用终端打开，输入 sh ./pycharm.sh 打开py文件】
修改sets 和 classes 其他几乎不用修改，报错再相应修改
（事实上这里错了很多次，比如
修改时如果把sets中的year去掉，下面也要相应修改
路径不要出错）
修改后 cd ./darknet/scripts 进入文件夹后再 python voc_label.py
这时会生成labels文件夹，里面存有xml内容的txt文件，同时还有train.txt，存有图片的绝对路径
四、准备训练
这时距离训练只有几步之遥，仍需要修改几个文件
- data/下修改voc.names 输入classes名称，或新建detection.names 只要对应修改就好
- cfg/voc.data 修改classes，输入train.txt的路径和names路径，以及backup 放weights的路径，一定注意不可以有中文！
classes= 2
train = /home/yjq/darknet/scripts/VOCdevkit/train.txt
//valid = /home/pjreddie/data/voc/2007_test.txt
names = data/voc.names
backup = /home/yjq/darknet/results/- cfg/yolov2-voc.cfg 在region层下修改classes，以及上一层convolutional的filters 其中 filters=（classes+coords+1）*5
五、开始训练
在terminal输入
cd darknet
./darknet detector train cfg/voc.data cfg/yolov2-voc.cfg就可以开始了
如果出现 cannot load image 问题可能出在train.txt，用notepad打开，确保最后一行只有换行符即可
或者一不小心路径输错也不是没有可能
默认每100 images 会存入results中，可以查看
【在此之前先从github上下载darknet，训练weights，再测试examples】
【希望一切顺利】
