在windows下想嘗試弄個yolo試試，先從v2版本開始吧，本文主要記錄復現**出現的問題，以及使用自己資料庫測試出現的問題。
一.**復現
環境：windows10下使用anaconda + pycharm 顯示卡1080ti
為了用gpu肯定是conda install keras-gpu，一定要保證有cuda和cudnn
另外還需要imgaug、opencv-python、h5py
環境配置可參見
下好的資料集有四個資料夾，就訓練和測試來說，images存放的是訓練，annodations存的是label，data中是做好的csv檔案。
接下來我們需要調整設定檔案config.json
,
"train": ,
"valid":
}
設定label為「raccoon」，如果使用自己的資料集就換成自己對應的label
資料集的位址設定，設定好train_image_folder和train_annot_folder才能順利讀取和label
最後需要執行gen_anchors.py(python gen_anchors.py -c config.json)獲取anchors，將輸出得結果複製到config.json相應位置即可
完成以上這些設定後，就可以啟動訓練程式了。
python train.py -c config.json
測試程式
python predit.py -c config.json -w /path/best_weight.h5 -i -/path/image
那麼使用自己的資料集時，最簡單的方法就是將的名字按照作者這樣命名，寫乙個python指令碼就可以實現，並且作者在資料集的**中給出了做label的程式（draw boxes.ipynb）以及xml和csv的轉化檔案，非常方便！
YOLO v2 檢測原理
v2版本的優化目標 改善召回率，提公升定位精度，保證分類準確度。yolov2相比yolov1的改進 v2在每乙個卷積之後增加了bn層，提高了網路訓練的速度，加快了收斂，消除了對其他正則化的依賴，且正則化效果更好，使調參更簡單，即使去掉dropout層也不會產生過擬合。v1先使用224 224的解析度...
YOLOV2演算法筆記
yolov2演算法詳解部落格 一 better 1.對每一層都做了歸一化 2.先利用分類資料對網路進行訓練，然後遷移學習。3.不再和yolov1那樣直接 bounding box，yolov2中開始利用ancher box,4.dimension clusters，利用k means聚類的方式，發現...
Yolo v2 多版本安裝
1 vs2015 opencv3.2 geforce gt 1030 c 編譯 github vs2015安裝 opencv3.2配置 cuda選擇9.0，cudnn配套 配置和編譯 雙擊 darknet master build darknet darknet.sln 如果沒有gpu採用darkn...