yolov2到caffe的移植主要分两个步骤：
一、cfg,weights转换为prototxt,caffemodel
1.下载源码：
git clone https://github.com/marvis/pytorch-caffe-darknet-convert.git
2.安装pytorch，使用conda指令：(需要有torch模块)
conda install pytorch torchvision cuda80 -c soumith [这里cuda换成自己对应的版本]
3.cd pytorch-caffe-darknet-conver目录
输入命令：python darknet2caffe cfg/*.cfg cfg/*.weights cfg/*.prototxt cfg/*.caffemodel
注意：这里如果cfg文件中存在route层，则需要修改其对应部分。(这里只针对route层存在2个参数的情况)
[
elif block['type'] == 'route':
#pdb.set_trace()
prev_layer_id1 = layer_id + int(block['layers'][:2])
prev_layer_id2 = layer_id + int(block['layers'][-2:])
bottom1 = topnames[prev_layer_id1]
bottom2 = topnames[prev_layer_id2]
route_layer = OrderedDict()
route_layer['bottom'] = [bottom1, bottom2]
if block.has_key('name'):
route_layer['top'] = block['name']
route_layer['name'] = block['name']
else:
route_layer['top'] = 'layer%d-route' % layer_id
route_layer['name'] = 'layer%d-route' % layer_id
route_layer['type'] = 'Concat'
layers.append(route_layer)
bottom = route_layer['top']
topnames[layer_id] = bottom
layer_id = layer_id + 1
]
如此便得到相应的prototxt文件和caffemodel文件
二、caffe实现darknet的训练
1.下载caffe-yolov2源码：
git clone https://github.com/gklz1982/caffe-yolov2.git
2.对caffe-yolov2进行编译，编译方式同编译caffe一致
3.将自己的VOC格式数据拷贝至./data/yolo/VOCdevkit下
(1) python get_list.py -- 获得相应的trainval.txt和test_2007.txt
(2) sh convert.sh -- 生成需要训练的lmdb格式数据（需要修改convert.sh的内部参数）
(3) 修改label_map.txt文件
4.修改prototxt等相关文件，开始训练
(1) cd ./examples/yolo
(2) mkdir dense-yolo_v1
(3) 将根据cfg和weights生成的prototxt以及caffemodel文件拷贝至dense-yolo_v1文件夹下
(4) 对照../darknet_v3/gnet_region_train_darknet_v3.prototxt修改自己的prototxt，一个是修改data层，另外一个是region层。
(5) 同理对solver文件等。
(6) 将../darknet_v3/train_darknet_v3.sh拷贝至dense-yolo_v1文件夹下,修改相关参数
(7) sh train_darknet.sh
(8) 开始训练
具体结果还在等待。。。
