准备darknet运行环境
- cuda
- cudnn,下载时注意与cuda版本对应
- opencv,此项选择下载,建议安装
数据集准备
- 图片
- 标签xml文件
- 将上一步中的数据集处理成voc格式,即文件夹位置存放方式文件内容
训练前的其他处理
- .data文件以及 .names文件
- 权重下载,COCO数据集对应权重为
yolov4.weights,
ImageNet预训练模型为yolov4.conv.137
cfg文件yolo层前后根据自己数据集类别数修改参数
开始训练
确保cfg中batch以及subdivisions为大于1且2的次方,cfg配置文件信息参考https://blog.csdn.net/czksnk/article/details/100692881
./darknet detector train data/voc.data cfg/yolov4-voc.cfg backup/yolov4.conv.137 -map
./darknet为编译好的可执行文件,detector表示执行目标检测任务,train表示执行训练任务,data/voc.data,cfg/yolov4-voc.cfg和backup/yolov4.conv.137文件路径位置必须正确,-map表示可以在训练的同时,进行检测精度评估,每4个epoch评估一次。
测试
- 单张测试: