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