克隆代码：git clone https://github.com/GuoJaw/darknet_AlexeyAB
主要用于训练自己的数据集
测mAP
[1- 测试video]
./darknet detector demo kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg kitti/TestFile/yolov3_kitti_final.weights -c 0 -thresh 0.3 test.avi
【一】 制作KITTI格式数据集，将目录放在~/data/目录下，目录结构，见下：
KITTIdevkit
KITTI
Annotations #标注的XML文件
ImageSets #train.txt test.txt val.txt trainval.txt
Main
JPEGImages #图像文件jpg或png
执行软连接：
cd darknet-pjreddie/kitti
ln -s ~/data/KITTIdevkit . #将数据集软连接到darknet-pjreddie/kitti目录下
【二】
（1）用matlab在KITTI/ImageSets/Main生成四个文件train.txt trainval.txt val.txt test.txt
（2）用上面生成的四个文件，执行脚本：
gjw@gjw:~/darknet_AlexeyAB-master/kitti$ python2 kitti_label.py
执行结果：
[1]在./KITTIdevkit/KITTI目录下，产生YOLO训练需要labels下的txt
（txt内容：每张jpg/png图像中的类别和坐标信息）
[2]在kitti/下应该也生成了train.txt,test.txt,val.txt这3个文件
（3个.txt文件：里面包含了所有训练,测试样本的绝对路径）
【三】TestFile/目录下，配置文件的修改
（1）kitti.names： 标签名字文件，修改见下
car
pedestrian
cyclist
（2）kitti.data：
classes= 3
train = /home/gjw/darknet_AlexeyAB/kitti/train.txt ##【二】（2）-[2]生成的train.txt目录
valid = /home/gjw/darknet_AlexeyAB/kitti/test.txt ##【二】（2）-[2]生成的test.txt目录
names = /home/gjw/darknet_AlexeyAB/kitti/TestFile/kitti.names ##【三】（1）kitti.names
backup = /home/gjw/darknet_AlexeyAB/kitti/backup ##存放训练生成的.weight权重文件的目录
results = /home/gjw/darknet_AlexeyAB/kitti/kitti_result
【注意】必须新建./kitti/backup和./kitti/kitti_result目录
（3）yolov3-kitti.cfg网络配置文件
[1]一共需要修改三处
[convolutional]
size=1
stride=1
pad=1
filters=24 #### 计算公式 = 3 * （类别数 + 5）
activation=linear
[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=3 ####类别数，本例为2类
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0 ###1
[2]相关其他参数
learning_rate 学习率0.0001
max_batches 最大迭代次数 40000
【六】训练命令
cd ~/darknet_AlexeyAB
./darknet detector train kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg darknet53.conv.74
说明：
darknet53.conv.74 是加载的预训练模型，在官网上可以下载
=========================================
./darknet detector demo kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg kitti/TestFile/yolov3_kitti_final.weights kitti/TestFile/test.avi -thresh 0.3
=========================================
1、valid生成检测结果文件
（1）cfg/voc.data最后添加一行：results = /home/gjw/darknet_AlexeyAB/scripts/results ####保存下面命令输出的结果，新建results目录
（2）执行命令
./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights -thresh 0.5
结果：将生成的类别的结果文件:/home/gjw/darknet_AlexeyAB/scripts/results
2、在/home/gjw/darknet_AlexeyAB/scripts目录下，新建output，执行：
python2 reval_voc.py --voc_dir ./VOCdevkit --year 2007 --image_set test --classes voc.names output