一直没有用Darknet训练过自己的数据，最近拿Yolov3尝试了一下，效果很好，记录一下。
Ubuntu系统使用Darknet还是很方便的，如何编译就不说了，直接讲训练过程。
这里用了60张木材照片，用来识别木材的数量

做好标注后，将img文件夹放进data目录下

将train.txt放进data目录下

将obj.names放进data目录下

修改cfg文件夹下的yolov3-voc.cfg
搜索Yolo，共三处，每处修改三个内容
filters=3 * （种类+5）
classes = 种类
random = 0

在cfg文件夹下修改obj.data

加载原始权重，进行训练：

./darknet detector train cfg/obj.data cfg/yolov3-voc.cfg darknet53.conv.74

训练了8个小时，loss到了2.0左右，中断训练，进行测试

测试效果：

./darknet detector test cfg/obj.data cfg/yolov3-voc.cfg backup/yolov3-voc_last.weights

在image.c中添加输入总数的代码，输出数量

printf("all:%d", selected_detections_num);

完成整个训练过程，如果测试效果不好，可以继续训练

./darknet detector train cfg/obj.data cfg/yolov3-voc.cfg backup/yolov3-voc_last.weights

补充：
后面尝试将训练好的weights权重转换成.h5权重，检测出的结果出现问题，只检测出准确为1.00的目标，如下：