Ubuntu下yolov4训练自己的数据集

论文
代码

环境
Ubuntu 16.04
Python3.5
cuda 9

首先把代码下载下来，可以用下面命令下载，也可以直接点击上面代码链接下载。

git clone https://github.com/AlexeyAB/darknet.git
1
1.编译
如果需要使用GPU加速，那么得打开项目里面的makefile文件修改一些参数的值。修改完成之后在直接make。
GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
OPENMP=1
LIBSO=1
DEBUG=1

# cd到darknet-master目录下
make
或者 make -j8
2.测试一下开源权重

# 测试图片，结果保存在darknet-master/predictions.jpg

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

3.准备自己要训练的数据集，以voc数据集的格式存放

先按照上面格式准备好数据
Annotations是存放标签xml文件
JPEGImage 存放图片
ImageSets 里面txt按行存放着图片名字
如
000001
000002
000003…

4.制作yolov4需要的label以及txt
这个时候只用voc数据集的格式是不满足我们这里需要的格式。首先打开路径下 build/darknet/x64/data/voc/voc_label.py，修改voc_label.py里面的内容。
先把7行的关于2012的去掉，再把第9行改成自己的类别。

接着给每个路径前面加个data,如下图

修改完了之后在主目录darknet-master下执行voc_label.py，否则哪些文件会生成在build/darknet/x64/data下面，执行完成后你会看到主目录下的data/目录下会生成几个txt。主目录darknet-master下的data/VOCdevkit/VOC2007/下面会生成一个label文件夹。

5.修改配置文件

<a.>cfg/目录下复制coco.data，并且重命名为obj.data。然后使用修改下面以下内容

<b.>cfg/目录下复制coco.names，并且重命名为obj.names。改成自己类别的名称

<c.>复制cfg/yolov4-custom.cfg，并且重命名为yolo-obj.cfg，同时修改一下内容

上图中修改width和height为416，修改最大batch迭代多少个数max_batches = 6000，修改steps多久学习率下降一次，一般设置为batch个数的80%和90%。

然后三个classes的地方要修改

还有三个filters=255的地方要修改成自己的。

6.开始训练自己的数据集

./darknet detector train cfg/obj.data cfg/yolo-obj.cfg yolov4.conv.137

如若报错这个错误，则将cfg/yolo-obj.cfg 里面26行mosaic=1改成mosaic=0或者注释掉。没报错就忽略。

7.预测

./darknet detector test cfg/obj.data cfg/yolo-obj.cfg yolo-obj_xxxx.weights

预测效果如图，yolov4果然强，这是我用了1000张图训练了3000个epoch训练得到的权重效果

备注：上面的测试命令是基于编译出来的darknet来预测的，当我们工程中要用的的时候及其不方便，但是可以用以这个代码来使用模型。
8.用自己训练的权重作为预训练
有时候训练到一半突然终止了，这时候从头开始训练又很费时间，此时我们可以将自己之前保存的权重作为预训练权重。但是直接使用yolo-obj_last.weights会报错。需要做出如下转变。

#首先用第一行代码将yolo-obj_last.weights转化为olo-obj_last.conv.23
./darknet partial cfg/yolo-obj.cfg backup/yolo-obj_last.weights backup/yolo-obj_last.conv.23 23
#第二行将我们刚转化好的yolo-obj_last.conv.23作为预训练权重训练
./darknet detector train cfg/obj.data cfg/yolo-obj.cfg backup/yolo-obj_last.conv.23

Ubuntu下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 ...
win10下yolov3训练自己的数据集
在win10下用yolov3训练自己的数据集 1. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件(可以直接复制yolov3.cfg,然后重命名 ...
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! ...
PspNet在MMsegmentation框架下成功训练Pascal VOC2012数据集及踩坑实录
时间:2021/08/29/05:45:28 一晚上了,难以置信,我竟然还不困,还有着整理博客的冲动.也就在这周,熬夜能力突然就在几个晚上的不归宿中突破了,一夜过后天壤之别,一晚比一晚能熬,之前还会担 ...
(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: ...
windows下Icnet训练自己的数据集
一.数据集标注:Labelme 安装后labelme后,在C:\Users\xxx\Anaconda3\Lib\site-packages\labelme\utils下修改_io.py def lbl ...
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 ...
【C++ Caffe】ubuntu下MNIST训练结果
训练过程在这我的这篇博客 https://blog.csdn.net/Feeryman_Lee/article/details/104523858 以下为训练结果 lichunlin@ThinkPad ...
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 ...

Ubuntu下yolov4训练自己的数据集

Ubuntu下yolov4训练自己的数据集相关推荐

最新文章

热门文章