Windows+YOLOV4+自己的数据集（自己标注）

之前训练了云服务器上训练了YOLOV3，后来想训练一下YOLOV4，结果发现自己忘得差不多了，因此在训练完打算写一篇备忘，记录一下过程

需求：自己在图片中标注对象，然后训练自己的权重文件，拿到opencv中去用，不涉及到tf，Keras这些东西，就是最简单的训练出yolov4.weights，然后给cv::dnn::readNetFromDarknet()去用就OK

 

数据：个人习惯性先处理数据，因为简单，在任何电脑上只要安装了anaconda即可处理

需求：即标注数据，得到网络输入，终极目标：得到图像中目标的描述文件（txt文件）+图像的目录

最终是要在darknet-master\build\darknet\VOCdevkit\VOC2007\labels文件夹下得到如下 格式的TXT文件

其中darknet-master是从GitHub下载的YOLOV4源码的压缩文件的解压目录文件夹

第一个参数：0是指类别编号

第二个参数：0.4641255605381166是归一化后的中心点X坐标

第三个参数：0.34266926449098883 是归一化后的中心点Y坐标

第四个参数：0.04633781763826607是归一化后的目标宽度W

第五个参数：0.03263516804676084是归一化后的目标高度Y

为了实现这一步，过程与方法有两种：

法一：

（1）安装anaconda，在anaconda中新建labelImgenv环境，在labelImgenv环境中安装labelImg

(1.1)conda create -n labelImgenv

(1.2)conda activate labelImgenv

(1.3)pip install labelImg

(1.4)labelImg

直接使用labelImg标注工具进行标注，这块儿我一直喜欢用anaconda工具安装，使用是选择保存格式为YOLO格式（在save按钮下面，原为pascalVOC，点一下就是YOLO）

（2）第二种方法就是借用以前的coco, vol数据集，写函数把从这些数据集读取目标信息，进行转换，然后写入\labels文件夹中的TXT文件，这种方法我操作过，确实比第一种繁琐一些，主要需要去借用别人的代码，改各种文件路径，最后殊途同归，目的也是数据。根据自己的需求吧，要是想处理coco, vol数据集（不是指格式，而是指借用以前标注的json文件等），就可以这种

环境：

（1）系统：Windows10专业版64位，这个有一点记不清了，好像是Windows10的某些版本不支持CUDA的安装，因此图方便的话，在重做系统的时候尽量不要做一些比较少见+最新的系统（win10一个系统会有很多版本号，在MSDN上下载的时候可以就可以发现），因为硬件NVIDIA显卡可能不支持，特别是显卡较老，很可能不兼容最新系统

故障现象（大致）：鲁大师能检测到独显的存在，后面的记不住了，大概率是显卡驱动安装不成功，小概率是CUDA安装不成功，这个可以问问店家，这款显卡测试过哪些版本号的系统，尽量安装测试过的版本号

（2）版本：Windows下训练YOLOV4，需要CUDA>10.0，cudnn>7.0，我用的是CUDA10.2，cudnn7.6.5，我的GPU是NVIDIA GTX 1660

这一步我安装的没有出现错误，也就没什么记录的，教程可以参考：https://blog.csdn.net/m0_37605642/article/details/98854753

其中，关于第二步，配置CUDNN，所谓的合并其实就是

（2.1）把CUDNN文件中bin文件夹中的文件复制到CUDA安装目录下的bin文件夹中去

（2.2）把CUDNN文件中include文件夹中的文件复制到CUDA安装目录下的include文件夹中去

（2.3）把CUDNN文件中lib文件夹中的文件复制到CUDA安装目录下的lib文件夹中去

这一步这篇文章讲的很详细：https://blog.csdn.net/weixin_38673554/article/details/90513732

(3)下载编译darknet：这一步主要就是编译生成darknet.exe（有GPU），无GPU生成darknet_no_gpu.exe

参照：https://blog.csdn.net/clover_my/article/details/89885187

此处需要注意的是：支持YOLOV4的最低版本是OpenCV4.4！！（推理）这个在此处其实不影响你编译，我在GPU上编译的时候是安装的OpenCV4.3，最后也成功编译生成并训练得到了yolov4_final.weights，但是readNetFromDarknet不成功，所以最好一步到位，直接用OpenCV4.4以上版本！！！

（4）数据组织

（4.1 一级目录：VOCdevkit）在D:\........\darknet-master\build\darknet\VOCdevkit文件夹下有一个VOC2007文件夹与train.txt文件（先空着）

（4.1.1 二级目录：VOC2007）VOC2007文件夹下有labels文件夹和JPEGImages文件夹

（4.1.1.1 三级目录一：labels）labels文件夹中是labelImg标注出来的数据，直接拷贝进来即可（我选择性的标注了一些文件，所以编号不连续）

 

（4.1.1.2 三级目录二：JPEGImages）存原始图片

4.2 填写train.txt，里面是JPEGImages里面jpg文件的全路径名，大概这种

新建一个 train.txt，复制：

dir /b/s/p/w *.jpg > train.txt

修改后缀.txt----->.bat

双击运行

得到train.txt，放到文件夹：D:\........\darknet-master\build\darknet\VOCdevkit

5 训练数据集

（5.1修改yolov4.cfg）这个和修改yolov3.cfg基本一样，没啥大区别，这个就是cfg文件比较多，修改哪里的都欧克，但是最后训练的时候要写对，我修改的是darknet-master\build\darknet\x64\cfg文件夹下的

（5.1.1）修改batchsize，可以不改，跑起来后代码会提示你怎么设置

[net]
batch=64
subdivisions=64

（5.1.2）修改classes，搜索，一共有三个，修改成实际数量

（5.1.3）修改filters，比较多，按照filters = （（5 + 类别数） * 3 ）修改，方法是搜索filters=255，改成18（我的是类别数 = 1，（5 + 1 ）* 3 = 18）

（5.2设置训练路径）打开darknet-master\build\darknet\x64\data下的voc.data文件，修改

classes= 1
train  = D:\。。。。。\darknet-master\build\darknet\VOCdevkit\train.txt
#valid  = D:\。。。。。\darknet-master\build\darknet\VOCdevkit\test.txt
#difficult = data/difficult_2007_test.txt
names = data/voc.names
backup = D:\。。。。。\darknet-master\build\darknet\x64\results

（5.3设置目标名称）打开darknet-master\build\darknet\x64\data下的voc.names文件，修改

填上自己的对象名称即可

 

（5.4）下载预训练模型，放进darknet-master\build\darknet\x64\weights_pr

 

（5.5）训练模型，新建 开始训练.bat 在文件夹：darknet-master\build\darknet\x64下

输入：darknet.exe detector train .\data\voc.data .\cfg\yolov4.cfg .\weights_pr\darknet53.conv.74 .\results

这些路径就是你5.1 / 5.2 / 5/3步骤修改的，所以如果你修改了其他位置的，替换对应位置即可，不太熟悉./的可以直接全路径吧

参数解释：

.\data\voc.data------------------------------------------>darknet-master\build\darknet\data\voc.data

.\cfg\yolov4.cfg------------------------------------>darknet-master\build\darknet\cfg\yolov4.cfg

.\weights_pr\darknet53.conv.74 ------------------->darknet-master\build\darknet\weights_pr\darknet53.conv.74

.\results--------------------------------------------------->darknet-master\build\darknet\results

这块的路径太多，容易乱，最好有自己的习惯

 

有下面这张图应该就OK了，这张是我刚刚用CPU跑的，凑活看看吧

实际上GPU就是快，我在GTX1660上跑的，大概360张左右的图片，50000步跑了24个小时就OK了，在CPU上跑了一下，一步跑了居然五个小时。。。。

CPU跑的话，无非就是就是生成darknet_no_gpu.exe，同时在5.5使用的是darknet_no_gpu.exe 而不是，darknet.exe

 

报错：

（1）

提示：Can't open label file. (This can be normal only if you use MSCOCO): D:/.。。。。/darknet-master/build/darknet/VOCdevkit/VOC2007/labels/010033.txt

原因：打不开文件，因为train.txt中的JPEGImages名称生成的多了，没有对应的labels/010033.txt

解决办法：删掉对应的名称，可以程序可以自己手动

实际上好像你不删也能运行