yolo训练测试自己的数据

继之前博客的YOLO安装，这篇将分享如何用YOLO训练测试自己的数据~（这边我们检测的只有一类，是车里的方向盘检测，当然可以类推到其他的类，像车啊，动物，人啊等等）

如何制作数据集

要进行训练需要数据集的支撑，首先需要制作数据集，这边我们只检测一类，所以制作了500多张数据集图片。用LabelImg来做数据集，GitHub上自行下载使用，有介绍如何使用，推荐装anaconda使用

第一次用的时候需要输入前三行命令，后面每次使用的时候只需切换到目录下执行第三行命令就能打开标注数据集的界面了。

数据集

直接在某一盘下建了一个目录VOC2007

Annotations里存放的是用labelimg标注保存的xml文件，

ImagwSets文件夹下面存放的是

只用到了main文件夹下面存放一些train.txt  test.txt等文件，其余两个文件夹目前没用到。JPEGImages文件夹下存放的是采集的图片，jpg，png都行的，有些教程说要jpg格式，其实不一定的png也可以，后面有些需要改动而已，我的图片是png的，在标记图片之前最好现将图片的命名批量修改从成类似0000001.png之类的。

main文件下的train.txt文件就是图片的名字不带后缀也不带路径，可批处理生成

将生成的xml文件转成txt文件

darknet-master\scripts目录下有个voc_label.py文件

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path imp