基于darknet-yolov4训练自己的数据集

一、环境配置

git clone http://github.com/pjreddie/darknet.gitcd darknetmake

二、训练自己的数据集

主要参考：https://blog.csdn.net/jiangpeng59/article/details/106231878

参考：https://blog.csdn.net/qq_38316300/article/details/106771964

1、在darknet文件下创建自己的数据集文件夹myData。在myData下创建JPGEImages（训练集图片），Annotations（存放标注的xml文件）。test文件夹放测试数据。创建weights文件夹（训练后的的权重文件夹保存路径在此）

2、Annotations（存放标注的xml文件）文件生成：python ./03-create_xml_self.py

3、运行myData中的test文件，在ImageSets/Main/下生成四个txt文件，test.txt，train.txt, val.txt, trainval.txt

python . /myData/test.py

4、运行darknet下的voc2txt文件，在myData文件下生成trian.txt, vat.txt 两个txt文件。 python ./voc2txt.py

5、进入darknet/cfg文件中两处修改

1）my_data.data文件中保存着五类信息：类别数量，训练集，验证集，类别名称和保存权重的文件

classes= 2                                # 2表示数据集中只有两类可检测的物体
train  = myData/train.txt                 # 表示保存训练数据集的地址
test= myData/test.txt                     # 表示保存验证数据集的地址
names = myData/myData.names               # 表示可检测物体的名称
backup = myData/weights/                  # 表示保存训练权重的文件

2）my_yolov4.cfg中修改带“#”号的地方，主要包括Testing/Training（二选一）、

classes=6                          #有3处都在[yolo]配置下，可以使用查找替换
filters=33                         #有3处都在[yolo]配置上方，需要一个一个修改，其值=(classes + 5)x3)
max_batches = 12000                #其值=classes*2000
steps=9600,10800                   #其值=(max_batches*0.8,max_batches*0.9)

6、train

./darknet detector train cfg/my_data.data cfg/my_yolov4.cfg yolov4.conv.137

7、test

./darknet detector test cfg/my_data.data cfg/my_yolov4.cfg myData/weights/权重名 myData/test/006983.jpg

基于darknet-yolov4训练自己的数据集相关推荐

一文多图搞定制作自己的VOC数据集+使用yolov4训练自己的数据集+封装video测试脚本（基于ubuntu）
一文多图搞定制作自己的VOC数据集+使用yolov4训练自己的数据集+封装video测试脚本(基于ubuntu) 制作VOC数据集标注自己的数据集整理数据集路径格式训练数据集环境在Linux ...
Yolov4训练自己的数据集
Yolov4训练自己的数据集代码运行环境Ubuntu18.04+python3.6+显卡1080Ti+CUDA10.0+cudnn7.5.1+OpenCV3.4.6+Cmake3.12.2,详细环境 ...
ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证})
ML之DT:基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录输出结果设计思路核心代码输出结果设计思路核心代码 for iDepth in ...
ML之DT：基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较)
ML之DT:基于简单回归问题训练决策树(DIY数据集+三种深度的二元DT性能比较) 目录输出结果设计思路核心代码输出结果设计思路核心代码 for i in range(1, len(xPl ...
小白教程：Ubuntu下使用Darknet/YOLOV3训练自己的数据集
小白教程:Ubuntu下使用Darknet/YOLOV3训练自己的数据集 YOLOV3官网教程:https://pjreddie.com/darknet/yolo/ 使用预训练模型进行检测 git c ...
(Pytorch) YOLOV4 : 训练自己的数据集【左侧有码】
项目地址:https://github.com/argusswift/YOLOv4-pytorch 这份代码实现的逻辑非常清楚,主要一些数据集处理的代码需要相应的改动: 这里的数据集label格式: ...
YoloV4训练自己的数据集(二)
本文主要介绍使用GPU测试网络,请先看前文然后再看本文.上文中我没有使用Opencv以及GPU,因此测试时间较长,本文介绍使用Opencv以及GPU. 1.安装OpenCV 首先去Opencv官网下载 ...
yolov4训练自己的数据集实现安全帽佩戴检测
昨儿立下来的flag,今天还是要含泪完成的,抓紧时间赶呀!!! 本次用yolov4来实现人佩戴安全帽检测,若未佩戴安全帽则将人脸框出来,若佩戴安全帽,则将安全帽以及人脸框出来,多说无益,直接看效果吧! ...
yolov4Linux,基于Darknet的YOLOv4目标检测
目录一.Windows环境下的YOLOv4目标检测 1.环境配置环境准备:Win10.CUDA10.1.cuDNN7.65.Visual Studio 2019.OpenCV 3.4 (1)Vis ...
视频教程-Windows版YOLOv4目标检测实战：训练自己的数据集-计算机视觉
Windows版YOLOv4目标检测实战:训练自己的数据集大学教授,美国归国博士.博士生导师:人工智能公司专家顾问:长期从事人工智能.物联网.大数据研究:已发表学术论文100多篇,授权发明专利10多 ...

基于darknet-yolov4训练自己的数据集

基于darknet-yolov4训练自己的数据集

基于darknet-yolov4训练自己的数据集相关推荐

最新文章

热门文章