在darknet上使用yolo模型进行单类目标检测

简介：

在darknet的官方网站中，作者所提供的训练方式是基于公开的数据集进行模型训练，例如pascal数据集中的20种类别物体，以及coco数据集中的80种类别物体。

若希望在自建的数据集上开展训练工作，可能面临类别数量较少的情况。在此情况下，我们选择使用pascal数据集中某一类目标作为训练对象。

本文是对相关使用方法的总结性说明，并以person类别的识别作为具体案例进行阐述。

关于在pascal-voc数据集上实施训练的具体方法与相关细节，可参考以下这篇博客。本文内容是在该篇博客的基础上进行拓展与补充，建议读者优先阅读该篇博客以获得更全面的理解。

YOLOv3在pascal_voc数据集上的训练（一）

一、生成darknet所需的label文件

作者提供的voc_label.py脚本原本是针对整个pascal数据集进行处理的，因此我们需要对这一脚本进行调整，使其仅针对person这一类别执行处理任务。经过修改后的程序如下所示。

 import xml.etree.ElementTree as ET

    
 import pickle
    
 import os
    
 from os import listdir, getcwd
    
 from os.path import join