yolov4在darknet框架下训练（VOC2012）

仅作笔记整理搬运使用，没有任何程序原创部分，主要给自己提个醒，避免重复搜索工作

一、Darknet-master
https://github.com/AlexeyAB/darknet

更改makefile文件

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
……

#cd到darknet-master目录下

make -j16

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

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

参考
https://blog.csdn.net/weixin_44771532/article/details/105495755

二、VOC数据集
VOCdevkit文件夹放在darknet目录中
darknet/scripts下的voc_label.py拷贝至darknet目录。

打开voc_label.py
因为以voc2012为数据集

#sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]

sets=[('2012', 'train'), ('2012', 'val')]

最后一行

#os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt")
#os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")

os.system("cat 2012_train.txt 2012_val.txt > train.txt")

然后

python voc_label.py

darknet目录下会生2个文件：2012_train.txt和2012_val.txt

三、配置文件
1 、 打开cfg/voc.data

classes= 20  #类别数
train  = /home/s/darknet-master/2012_train.txt
valid  = /home/s/darknet-master/2012_val.txt
names = data/voc.names #类别名称
backup = /home/s/darknet-master/backup/#模型存放

2、将cfg/yolov4-custom.cfg进行复制，并将复制后的文件命名为yolov4-obj.cfg。

修改cfg/yolov4-obj.cfg文件：
修改6、7行，否则容易有out of memory错误

batch=16
subdivisions=32

修改20、22行

max_batches = 20000 #类别数量*2000

steps=16000,18000  #分别是0.8*max_batches，0.9max_batches

在文件中，使用Ctrl+F搜索yolo，一共出现三个地方。修改yolo下面的classes，以及yolo上面的filters：

[convolutional]
……
filters=75  #（类别数+5）*3
……


[yolo]
……
classes=20   #类别数
……

四、开始训练

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

五、测试

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

参考博客：
https://blog.csdn.net/ly_twt/article/details/105577683
https://blog.csdn.net/ly_twt/article/details/105761312