前面依次介绍了：
2，《在Pascal VOC 数据集上训练YOLOv3模型》
本节介绍在自己的数据集上训练YOLOv3。具体步骤如下。本文推荐的YOLOv3项目文件夹结构
yolov3：表示这是YOLOv3模型下的工程项目
ebike: 工程项目名
backup：模型备份路径
cfg：存放模型配置文件“yolov3-项目名.cfg”
data：存放类别名文件“项目名.names”和数据集配置文件“项目名.data”
images：存放图片、标注文件、训练数据集文件“train.txt”和测试数据集文件“test.txt”
第一步，准备图片。以电动车和自行车检测为例，先从百度查找并下载电动车和自行车的图片，每个种类100~150张即可。把图片下载到D:\yolov3\ebike\cfg文件夹中
第二步，用LabelImg标注图片。LabelImg下载地址：https://github.com/tzutalin/labelImg。
YOLO标注格式：<object-class> <x_center> <y_center> <width> <height>
<object-class> - 类别ID, 整型数值，从0到(classes-1)。
<x> <y> - 物体边界框中心点坐标(x,y), 相对于图片宽(width)和 高(height)的比值，浮点数类型，取值范围[0.0 - 1.0] 。
<x> = <absolute_x> / <image_width>
<y> = <absolute_y> / <image_height>.
<width> <height> - 物体边界框宽度和高度相对于(relative to)图片宽度和高度的比值.
标注文件为.txt格式，与图片同名。例如，对于图片“1.jpg” ，标注文件为“1.txt”。
第三步，制作训练数据和测试数据集文件。用下面的Python脚本文件制作训练数据集文件“train.txt”和测试数据集文件“test.txt”。把Python文件generate_train_test_datafile.py保存在D:\yolov3\ebike\images文件夹
然后运行：
python generate_train_test_datafile.py
结果如下：
第四步，创建类别名文件。在D:\yolov3\ebike\data文件夹下，创建一个“obj.names”文件。文件的每一行是一个对象的名称。
本文检测对象是电动车和自行车，所以创建一个名字为“ebike.names"文件。第一行是ebike，第二行是bike。
第五步，数据集配置文件 。在D:\yolov3\ebike\data文件夹下，创建一个“obj.data”文件。文件格式为：
classes= 2 #标签(类别)数量
train = data/train.txt #训练数据集文件
valid = data/test.txt #测试数据集文件
names = data/obj.names #类别名文件
backup = backup/ #模型备份路径
本文检测对象是电动车和自行车，所以创建一个名字为“ebike.data"文件。根据上述步骤，配置结果如下
第六步，模型配置文件 。从D:\darknet\build\darknet\x64\cfg文件夹下，将yolov3.cfg拷贝到D:\yolov3\ebike\cfg文件夹，然后重命名为：“yolov3-ebike.cfg”
修改batch=64，subdivisions=16，max_batches=6000，steps=4800,5400
修改[yolo]的classes=实际类别数量，本文classes=2。对应yolov3.cfg的行数：L610，L696，L783
修改[yolo]对应上一层[convolutional]的filters=(classes + 5)x3，本文filters=(2+5)x3=21。对应yolov3.cfg的行数：L603，L689，L776
第七步，下载https://pjreddie.com/media/files/darknet53.conv.74 到D:\darknet文件夹
第八步，启动YOLOv3模型训练。在D:\darknet文件夹的地址栏中键入“cmd”，启动Windows命令行终端，运行命令：
YOLOv3模型训练命令格式：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74
训练结果：
第九步，测试训练模型。
在D:\yolov3\ebike\cfg文件夹中把“yolov3-ebike.cfg”另存为“yolov3-ebike-test.cfg”,修改第1~7行如下：
从网上下载一张电动车图片到D:\yolov3\ebike\test_images文件夹
在D:\darknet文件夹的地址栏中键入“cmd”，启动Windows命令行终端，运行命令：
darknet.exe detector test d:\yolov3\ebike\data\ebike.data d:\yolov3\ebike\cfg\yolov3-ebike-test.cfg d:\yolov3\ebike\backup\yolov3-ebike_1000.weights d:\yolov3\ebike\test_images\ebike1.jpg
参考文献：
《How to train (to detect your custom objects》
注意事项：
YOLOv3是一行一行解析的，注释语句要独立成行！~ 不能和普通语句放在同一行
参考阅读《深度学习图像识别技术》
