yolov4训练自己的数据集

最新推荐文章于 2023-02-06 16:40:45 发布
最新推荐文章于 2023-02-06 16:40:45 发布
阅读量3.6k 收藏 20
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cheryl88/article/details/110700104
版权

YOLOv4训练自己的数据集

1、电脑配置

win10、OpenCV4.1、VS2019、cuda10.2

2、下载并配置

（1）YOLOv4网址：https://github.com/AlexeyAB/darknet
克隆到本地后，开始配置
（2）打开：D:\darknet\build\darknet（我下载在D盘，路径按照自己的打开）
在这里插入图片描述
（3）在文件夹C:\Program Files (x86)\opencv\build\x64\vc15\bin的两个dll文件：

opencv_ffmpeg410_64.dll和opencv_world410.dll
复制到
D:\darknet\build\darknet\x64
（不同的版本名称有点差异，但是大差不差的）
（4）release跟x64
在这里插入图片描述
点击项目->darknet属性
在这里插入图片描述
添加附加依赖项的时候添加的是opencv_world410.lib，就

最低0.47元/天 解锁文章
cheryl88
关注
  • 0
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv4目标检测实战：训练自己的数据集
04-26
课程演示环境：Ubuntu需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：训练自己的数据集》，课程链接https://edu.csdn.net/course/detail/28748YOLOv4来了！速度和精度双提升！   与 YOLOv3 相比，新版本的 AP（精度） 和 FPS （每秒帧率）分别提高了 10% 和 12%。   YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。   本课程的YOLOv4使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。还将介绍改善YOLOv4目标训练性能的技巧。   除本课程《YOLOv4目标检测实战：训练自己的数据集》外，本人将推出有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：人脸口罩佩戴识别》《YOLOv4目标检测实战：中国交通标志识别》《YOLOv4目标检测：原理与源码解析》
使用Yolov4训练自己的数据集(20240415版）
Gltu_java的博客
04-15 2377
本实验使用了Yolov4和PyTorch训练了水果数据集，实现水果的识别分类，数据集主要有dragon fruit，snake fruit，pineapple(火龙果、蛇果、菠萝)三种水果的图片共计200张，最后mAP达到89.17%，并成功预测了水果图片的类别。
YOLOv4-tiny目标检测实战：训练自己的数据集
07-06
课程演示环境：Ubuntu   需要学习Windows系统YOLOv4-tiny的同学请前往《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》   YOLOv4-tiny来了！速度大幅提升！   YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算等设备上部署。   本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。   本课程的YOLOv4-tiny使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。     除本课程《YOLOv4-tiny目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：训练自己的数据集》 《YOLOv4目标检测实战：人脸口罩佩戴识别》 《YOLOv4目标检测实战：中国交通标志识别》 《YOLOv4目标检测：原理与源码解析》
【YOLO】YOLOv4训练自己的数据集
qq_44703886的博客
01-15 1万+
虽然在笔者写这篇博客的时候，YOLOv5已经问世，但是看到许多博客都说YOLOv4效果更佳，具体如何，笔者得亲测才能认同。 YOLOv4论文链接 YOLOv4代码链接 环境搭建 1. 创建虚拟环境并激活 conda create -n yolo4 pip python=3.6 conda activate yolo4 2. Requirements 安装必要的依赖项 根据github： conda install cudatoolkit=10.0 conda install cudnn=7.6.5
Yolo V4训练自己的数据
蜗牛、Gray
04-30 6336
Yolo v4在自己的数据集上的训练 目标检测一大堆，yolo系列真香。 不写代码，只是代码的搬运工。 一、Yolo v4的安装 官方代码库的更新太频繁了，索性直接克隆一版，地址： https://github.com/AlexeyAB/darknet.git 整个过程不要太简单，依次安装 CUDA=10.0、CuDNN>7.0、OpenCV，最后克隆代码，make -j8一键搞定。 实在不...
基于YOLOv7训练自己数据集源码+voc转yolo脚本.rar
04-14
1、资源内容：基于yolov7训练自己数据集（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计...
yolov5训练visdrone数据集
05-09
总之，使用YOLOv5训练VisDrone数据集涉及数据预处理、模型配置、训练、验证和部署等多个环节，整个过程需要深入理解YOLOv5的架构和VisDrone数据集的特点，以便优化模型性能并满足具体应用场景的需求。在实际操作中，...
yolov8训练自己的数据集（源码）.rar
05-09
在这个项目中，你将找到训练自己数据集的源代码，这对于定制化应用非常有用，比如自动驾驶、安防监控、工业检测等领域。让我们深入了解一下YOLOv8及其训练自定义数据集的关键知识点。 1. YOLO（You Only Look Once...
YOLOv8训练自己数据集
04-10
YOLOv8训练自己数据集是一项在计算机视觉领域中常见的任务，主要应用于目标检测。YOLO（You Only Look Once）系列算法以其高效和实时性在众多目标检测模型中脱颖而出，而YOLOv8作为该系列的最新版本，优化了前代的...
YOLOv4训练自己的数据集
10-19
YOLOv4训练自己的数据集涉及到一系列步骤，包括数据预处理、模型配置、训练过程以及可能的模型优化。以下是对这些知识点的详细说明： 1. 数据预处理： - 数据集准备：首先，你需要一个包含标注的图像数据集，每个...
yolov4 训练自己的数据集
reset2021的博客
07-22 1261
基于yolov4算法训练自己的数据集，从实操入手
YOLOv4训练自定义数据集
weixin_50008473的博客
03-18 4324
目录1.环境配置2.权重下载3.数据集处理4.修改配置文件4.1 修改data/voc.names4.2 修改data/voc.data4.3 修改cfg/yolov4.cfg4.4 修改Makefile文件5.开始训练 文献地址：https://arxiv.org/pdf/2004.10934.pdf 源码地址：https://github.com/AlexeyAB/darknet 1.环境配置 https://blog.csdn.net/weixin_50008473/article/details/1
YoloV4训练自己的数据集
热门推荐
LK007CX的博客
11-16 1万+
YoloV4训练自己的数据集
yolov4训练自己的数据集，基于darknet框架
cumtchw
09-10 2229
一：安装darknet git clone https://github.com/AlexeyAB/darknet/ 修改makefile里面的值， GPU=1 CUDNN=1 CUDNN_HALF=1 OPENCV=1 OPENMP=1 LIBSO=1 DEBUG=1 然后进行编译 cd darknet make 二：首先以VOC的数据格式准备好自己的数据 VOCdevkit VOC2007 Annotations ImageSets ...
YOLOv4训练自己的数据
mujia000的博客
08-15 693
YOLOv4训练自己的数据集保姆级攻略一、训练前的准备1.如何获取代码2.修改MakeFile文件3.下载权重4.测试初始训练权重效果二、训练自己的数据集1.数据集文件夹格式2. main文件夹下生成训练集和测试集文件3. 修改voc.name4. 修改 voc.data5. voc_label.py生成训练用的txt文件和标签文件夹6. 修改yolov4.cfg文件7.生成anchors三、训练计算所有值批量测试 一、训练前的准备 1.如何获取代码 https://github.com/AlexeyAB/
yolov4训练自己的数据集，详细教程！
JulyLi2019的博客
03-29 7646
系列文章目录 文章目录系列文章目录创建yolo-obj.cfg 配置文件一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 创建yolo-obj.cfg 配置文件 将 yolov4-custom.cfg 中的内容复制到 yolo-obj.cfg里面，并做以下修改： 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import numpy as np import pandas a
【目标检测】基于yolov4训练自己的数据集(附代码和数据集，保姆级教程)
学无止境、积少成多、厚积薄发
02-06 3807
手把手系列教程：基于yolov4训练自己的数据集(保姆级教程)
使用YOLOv4训练自己数据集
最新发布
05-04
使用YOLOv4训练自己的数据集需要以下步骤： 1. 准备数据集：收集并标注图片数据集，标注应该包括类别、边界框、置信度等信息。 2. 修改配置文件：打开YOLOv4源代码文件夹，找到`cfg`文件夹，复制`yolov4.cfg`文件并重命名为`yolov4_training.cfg`，修改文件中的类别数、过滤器数量、anchors等参数。 3. 准备训练文件：在YOLOv4源代码文件夹中创建一个新的文件夹，用于存储训练所需的所有文件，包括数据集、配置文件、类别名称等。 4. 准备预训练模型：下载YOLOv4的预训练模型，并将其放置在刚才创建的训练文件夹中。 5. 开始训练：运行`train.py`脚本开始训练模型。训练过程中可以调整超参数和学习率等参数。 6. 测试模型：完成训练后，可以使用测试图片来评估模型的性能，以及查看模型的输出结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值