1. 目录树
新建项目文件夹project_yolov3，建立如下目录树。（并不是一定要这样组织，只是很多项目，
包括官网上面的，都把文件放到darknet的编译目录，显得文件组织结构不清晰）
project_yolov3 - data - - images - - labels - - .names - - train_list.txt - - test_list.txt - cfg - - .data - - .cfg - backup
2. 准备图片、标签文件
将准备训练的图片放在images文件夹；对应的标签放在labels文件夹。
每张图片对应一个同名的label txt文件，比如images/abc.jpg – > labels/abc.txt。
labels文件每行存放一个标注的Boungding Box，一行五个数分别代表类别（从0开始编号），
BoundingBox中心X坐标，中心Y坐标，宽，高。这些坐标都是0～1的相对坐标。比如，图片
的宽和高分别为WIDTH和HEIGHT像素，BoundingBox中心X、Y分别为x、y像素，宽、高
分别为w、h像素，label文件里面的值可以用下面的公式计算：
yolo_x = x/WIDTH yolo_y = y/HEIGHT yolo_w = w/WIDTH yolo_h = h/HEIGHT
未验证：
（1）标签文件可以为空，表示对应的图片里没有目标
（2）如果图片较多，图片和标签可以在各自目录下以相同的目录树存储。
比如：
images - class1 - class2 labels - class1 - class2
3. .names文件
.names文件存放训练的物体类别，比如car、person等，每行一个，和标签文件里面的类别编号
对应，第一行在标签文件里编号为0。
4. train_list.txt和test_list.txt
这两个文件，文件名称并不固定，分别存放训练和测试的图片路径，文件里每行存放一个图片
路径。比如，
PATH/TO/YOUR/PROJECT/project_yolov3/data/images/abc.jpg
5. .data文件
.data文件存放训练的物体类别数目，train_list.txt文件路径等。
例子：
classes= 4 train = PATH/TO/YOUR/PROJECT/project_yolov3/data/train_list.txt valid = PATH/TO/YOUR/PROJECT/project_yolov3/data/test_list.txt names = PATH/TO/YOUR/PROJECT/project_yolov3/data/XXX.names backup= PATH/TO/YOUR/PROJECT/project_yolov3/backup （backup目录下文叙述）
6. .cfg文件
.cfg文件是darknet描述神经网络结构的文件。
在darknet编译目录下面的cfg文件夹，有很多.cfg，比如yolov2.cfg，yolov3.cfg等。
需要根据自己训练的物体种类数目，做一些修改。
[convolutional] size=1 stride=1 pad=1 filters=27###75 activation=linear [yolo] mask = 6,7,8 anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326 classes=4###20 num=9 jitter=.3 ignore_thresh = .5 truth_thresh = 1 random=0###1 classes的值改为物体种类数目，filters的值改为3 * (classes + 5)，比如classes = 4，则filters = 3 * (classes + 5) = 3 * (4 + 5) = 27。在.cfg文件中搜索“yolo”，每一个对应的classes，filters都需 要修改。 其它的值，比如batch大小，输入网络的图片的像素等，可以根据自己的需要修改，当出现 “cuda, out of memory”错误，是显存不够的错误，可以改小batch，增大subdivisions；chanels是 图片通道数，比如灰度图像为1，rgb图像为3。.cfg文件的其它部分可以在对网络结构比较熟 悉之后修改，甚至定义自己的网络结构。 batch=64 subdivisions=16 #8 width=416 height=416 channels=3
7. backup目录
backup目录存放训练过程中的权值备份，每100次保存一个XXX.weights，后面产生的会覆盖
之前的，所以它一直是最新的，前9个会同时命名为XXX_100.weights～XXX_900.weights，可
以作为断点备份继续训练。
8. 下载权值文件，训练，测试
参照官网https://pjreddie.com/darknet/yolo/上的说明，下载darknet53.conv.74权值文件（这是
YOLO作者在ImageNet上预训练的权值）。
训练：
./darknet detector train PATH/TO/YOUR/PROJECT/project_yolov3/cfg/XXX.data PATH/TO/YOUR/PROJECT/project_yolov3/cfg/XXX.cfg darknet53.conv.74
测试：
./darknet detector test PATH/TO/YOUR/PROJECT/project_yolov3/cfg/XXX.data PATH/TO/YOUR/PROJECT/project_yolov3/cfg/XXX.cfg XXX.weights XXX.jpg