YOLOv2 训练自己的数据集#实现简单的缺陷检测(Ubuntu和Windows10可用)

运行环境，Ubuntu16.04 + CUDA 8 + cuDNN6 + Opencv3.1

                  Windows10 +MSVS2015+CUDA 9.1 + cuDNN7 + Opencv3.1

Ubunutu环境下按照以下网址安装并配置好Darknet ：

        https://pjreddie.com/darknet/install/ 

Windows10环境下按照以下网址安装并配置好Darknet （若用上面的链接下载需要自行修改代码才能在windows跑起来，已经有大神帮我们修改好了）：

        https://github.com/AlexeyAB/darknet#how-to-compile-on-windows

数据集下载链接：百度网盘，提取密码:gorp

先放效果：

   

1.构建VOC数据集

1.1准备工作

     进入到darknet/scripts目录下，建立如下文件夹结构：

   

    目录Annotation：存放xml文件，每一个xml对应一张图像，文件中存放的是标记的各个目标的位置和类别信息。后面会讲到如何生成；        

    目录ImageSets：暂时可以不用管；

    目录JPEGImages：文件夹中放自己的数据集，jpg格式，命名方式000001.jpg、000002.jpg……以下是我自己的数据集，500+图片

1.2 标记图像

    因为做的是目 标检测，所以接下来需要标记原始图像中的目标区域。这里需用 labelImg ， 工具地址见GitHub：  https://github.com/tzutalin/labelImg ，详细用法见 GitHub

        w——开始画框