YOLOv4配置与训练

Ubuntu18.04环境

• cuda10.2
• cudnn8.2.0
• opencv 3.4.10

---

1. Rosbag生成本地图像

使用我的程序,参考https://gitee.com/myboyhood/tools.git

---

2. LebelImg标注图像

参考我的LabelImg仓库
建议使用conda，在我的电脑上步骤如下：

conda activate label-studio
python3 labelImg.py

---

3. darknet配置

官网下载darknet, 按照官方步骤Install

注意：

• 记得在Makefile中使用GPU
• 如果是通道为1的灰度图像，需要修改源文件和cfg文件，见博客

---

4. 准备训练程序，数据集，并训练

4.1 Yolov4训练程序

见我的仓库，可直接训练对无人机target的Yolov4-tiny模型 myboyhood yolov4
Yolov4训练文件下载 百度云 秘钥： trdv

4.2 准备数据集并训练

详细步骤 可以参考博客。
简要步骤 博客中摘抄重要部分，若已配置好各类参数，仅需要更换标注图像时，可以直接参考以下命令。

• 准备图片和标注文件
  将labelImg得到的.jpg图片都放入JPEGImages文件夹中，将.xml都放入Annotations文件夹中。
  清空之前的标注文件labels文件夹，清空存放之权重文件的backup文件夹。
• 生成训练和测试集

  python3 gen_files.py
  

  此时会在当前训练文件夹生成文本文件train.txt和test.txt
• 聚类分析

  ./darknet detector calc_anchors data/train.data -num_of_clusters 6 -width 416 -height 416
  

  修改cfg文件中的先验框大小,cfg文件中的anchors位置的几个数字
• 开始训练

  ./darknet detector train data/train.data data/yolov4-tiny-target-outdoor.cfg yolov4-tiny.conv.29 -map
  

注意：

• 拷贝的darknet可执行文件是和编译环境有关的，必须是本机编译出来的darknet在本机使用。

---

5. 测试yolov4-tiny的效果

• 调整cfg文件中
  batch=1
  subdivisions=1
  然后运行

./darknet detector test data/train.data data/yolov4-tiny-target-test.cfg  backup/yolov4-tiny-target_final.weights JPEGImages/258_1677587722_099249.jpg

详细步骤见别人博客 详细图文步骤，使用darknet框架和yolov4-tiny训练自定义数据集