毕设做隧道病害自动检测，使用YOLO v3训练自己的数据集，以作学习记录。
#一、配置环境
我是win7的系统，显卡GTX1070；
1.安装 vs2015
2.CUDA 9.0官网地址：https://developer.nvidia.com/cuda-75-downloads-archive
3. CUDNN for CUDA 9.0 官网地址：https://developer.nvidia.com/rdp/cudnn-archive（需要注册）
4.opencv 3.42 官网地址：https://opencv.org/releases/page/2/ 解压到D盘，添加path系统环境
#二、下载darknet，并编译darknet.exe
1.darknet 下载地址：https://github.com/AlexeyAB/darknet
1.1 打开darknet .sln
出现加载失败：未找到导入的项目“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations\CUDA 10.0.props”。
解决：打开darknet.vcxproj，将CUDA版本改为自己的版本（9.0），重新加载
1.2 选择Release x64编译出现错误：MSB3721: 命令“”C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5\bin\nvcc.exe” 后面跟了一大堆参数
解决：将compute_75,sm_75删除
1.3 编译出现错误：无法打开包括文件: “opencv2/opencv.hpp”: No such file or directory darknet E:\darknet-master\src\http_stream.cpp
解决：添加属性表，将opencv3.42的路径配置好，包含目录与库目录，链接器-输入-依赖项：opencv_world342.lib和opencv_world342d.lib
1.4出现错误：无法解析的外部符号 cudnnSetConvolution
解决：在链接器-常规-附加库目录添加：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
1.5
编译成功-在darknet-master\build\darknet\x64文件夹中生成 darknet.exe
测试： 权重下载：https://pjreddie.com/media/files/yolov3.weights
在cmd中 cd 到darknet-master\build\darknet\x64文件夹后运行： darknet_yolo_v3.cmd
错误：not compiled with opencv ,saving to predictions.png 没有弹出结果（opencv的问题，没有解决）
结果保存在darknet\x64文件夹中：predictions.jpg
#三、训练自己的数据集
1.下载labelImg 免命令安装（Windows） https://github.com/tzutalin/labelImg/releases
打开labellmg.exe，进行漫长的标记，保存时格式选YOLO，会得到对应的.txt文件
2.参考帖子 https://blog.csdn.net/qq_36417014/article/details/88577729#commentsedit
得到2018_train.txt和2018_val.txt 并修改 voc.data yolov3-voc.cfg voc.names
3.下载预先训练的权重：darknet53.conv.74 ：https://pjreddie.com/media/files/darknet53.conv.74
4.开始训练：打开cmd，cd到\darknet-master\build\darknet\x64\文件夹
运行darknet.exe detector train data/voc.data yolov3-voc.cfg darknet53.conv.74 >> yolov3.log
训练日志输出到yolov3.log（可以可视化训练过程）
#四、测试自己的数据
1.打开cmd，cd到\darknet-master\build\darknet\x64\文件夹
darknet.exe detector test voc.data yolov3-voc.cfg yolov3-voc-train_10000.weights -ext_output -dont_show <2018_val.txt> results/result.txt
其中：
2018_val.txt是测试图片的地址
（批量检测参考帖子https://blog.csdn.net/qq_33350808/article/details/88135048）
输出结果框图片在output文件夹，文本结果在result.txt