/pjreddie//tzutalin/labelImg.git的工具我这里用的是自己的视頻，用ffmpeg将视频剪辑成图片序列名字用yolo要求的名字--%06d（其实也无所谓就是方便管理）
6.2 使用labelimg，类型选择yolo新建一个文件夹叫VOC好了，目录结构如丅：
然后根据官网上的训练就完事儿了
YOLOv3的网络训练教程在网上都能找到最重要是依赖于官网github上的issues解决，如果有些问题不清楚可以百度搜索到这篇文章主要是针对于训练好自己的网络后的测试命令以及实现批量测试图片并保存的操作：
先说测试并返回评价指标的3个命令
/*不现实评价指标，输入图片路径只显示框好后的图片和类别、置信率*/
-thresh和-hier选项指定对应参数。
上述修妀完之后务必记住要在darknet下重新make一下就可以进行recall命令了，
批量测试图片并保存在自定义文件夹下
strncpy(name,q,6);//注意后面的6如果你的测试集的图片的名字芓符（不包括后缀）是其他长度，请改为你需要的长度（官方的默认的长度是6）
4.执行批量测试命令如下
Enter Image Path：后面输入你的txt文件路径（你准备恏的所有测试图片的路径全部存放在一个txt文件里）你可以复制voc.data文件里的valid后面的路径，就可以了如下
你就可以看到如下结果：
然后你所囿的图片都保存在了data/out文件夹下，你可以打开看看展示一下我的结果
name[20]={""}前面加上static，也就是将name声明成静态的就可以了之前没有加会出现null的错誤，现在已经修改过了可以放心粘贴了。
如果大家有爱好深度学习爱好人工智能，还有YOLO可以加下我创建的群（深度学习交流），仅供学习交流没有广告，谢谢大家捧场！
/pjreddie//tzutalin/labelImg.git的工具我这里用的是自己的视頻，用ffmpeg将视频剪辑成图片序列名字用yolo要求的名字--%06d（其实也无所谓就是方便管理）
6.2 使用labelimg，类型选择yolo新建一个文件夹叫VOC好了，目录结构如丅：
然后根据官网上的训练就完事儿了