darknet + yolov4 训练自定义数据集 + windows环境搭建

已于 2022-03-16 22:49:54 修改
阅读量3.5k 收藏 12
点赞数 1
文章标签： 深度学习 图像处理
于 2022-03-03 23:32:54 首次发布
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/java_chc/article/details/123266077
版权
本文详述了在Windows上使用darknet和YOLOv4训练自定义数据集的全过程，包括数据集收集与处理、环境搭建、编译与训练。内容涵盖样本标注、CUDA和cuDNN安装、Visual Studio配置，以及训练过程中的关键步骤和注意事项。
摘要由CSDN通过智能技术生成

目录

一、前期准备工作

1、样本数据集的收集

2、样本数据的处理

自己实践过程中整理的标注规范

标注图片

3、修改配置和下载预训练模型

二、darknet 的环境搭建

1、windows 编译环境搭建

安装显卡驱动

安装 CUDA

安装 Visual Studio

安装 cuDNN

安装OpenCV（非必须）

三、windows 下的编译和训练

1、编译 darknet

2、组合数据

目录结构

3、windows 上训练

4、什么时候停止

5、验证权重

6、训练记录

上一篇博文讲解了 java 实现 darknet + yolov4 实现官方标注的目标检测，本篇博文记录下训练自定义数据的整个过程。

yolov4 的 github ，上面讲解的比较详细了。

一、前期准备工作

1、样本数据集的收集

样本需要多样化，其特点：

  • 不同角度
  • 不同大小
  • 不同光照
  • 不同形态
  • 不要过多重复（重复率最好低于80%）

样本的数量是越多越好。

数据收集好了之后，按照 4:1 到  1:1 的比例范围分成两份，多的用作训练数据集，少的部分用作测试数据集。强烈建议不要使用训练数据集作为测试数据集。

2、样本数据的处理

图片的标注直接影响整个 ai 分析的精准度以及预测框的精准度，所以一定要定义好标注的规范文档，规定好每种目标对象的定义是什么，因为在实际的标准过程中，可能不是你自己来标注，所以需要统一每个人的标注。

自己实践过程中整理的标注规范

  • 标注目标物体或者重叠部分
  • 以肉眼能够看清的为标准
  • 标注框只比目标物体大一点，留有一点空隙即可
  • 训练数据集保留少量负样本——不画任何标注框，但是需要生成 txt 文件（把图片在 yolo_mark 工具上过一遍就会自动生成 txt 文件），我的做法是在 10 的整数倍图片上不标注，即 1/10 的样本作为负样本。

如果样本较少，可以少留一点负样本。负样本是增加网络的泛化性的。

  • 标注对象的定义需要清楚

标注图片

使用 yolov4 github 上推荐的 yolo_mark 工具 对 训练数据集、验证数据集进行标注，详情请查阅github 文档。

准备好 obj.names 文件，里面存放的是要训练的类型名称，一行一个类型名称。

例如：obj.names

people
car
ship
dog
...

将该文件放在 yolo_mark/data目录下。注意训练数据集需要保留负样本，而测试数据集是不需要负样本的。

标注完成后，yolo_mark/data/img目录下会自动生成与jpg同名的txt文件；yolo_mark/data目录下会自动生成 train.txt 文件。

3、修改配置和下载预训练模型

yolo-obj.cfg：修改配置请依据 自定义配置  和 不同显卡的模型参数设置  进行修改，讲解的比较详细。

yolov4.conv.137：下载预训练模型

二、darknet 的环境搭建

1、windows 编译环境搭建

使用的编译方式官方文档上推荐的 windows 系统 vcpkg 的方式。（vc 表示的是 Visual c++环境）

需要的环境和版本号（github 上有详细说明）

最低0.47元/天 解锁文章
网上搬砖
关注
【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 3995
手把手系列教程：基于yolov4训练自己的数据集(保姆级教程)
DarkNet+YOLOV4环境搭建以及模型训练和图像识别
最新发布
weixin_46991199的博客
07-15 922
在当前x86目录下在cmd中运行这个命令darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights -thresh 0.25。下载链接：链接：https://pan.baidu.com/s/1Q-VBPk_0_7C0CeViukHv-A?注：二个一定 ① 一定要是2019版本 ② 一定要在配置以上环境之前安装。比如我的是11.6.99版本，根据自己的版本寻找合适的cuda下载。然后把所有的文件复制之后全部粘贴到cuda目录。
Windows下使用Darknet训练自己的数据集（模型：yolov4-tiny、数据集：垃圾分类）
weixin_52939176的博客
01-18 5846
超级详细的Darknet训练自己数据集的教程博客，使用yolov4-tiny模型进行垃圾分类数据集进行训练！
YOLOv4训练自己的数据集
10-19
结合https://editor.csdn.net/md/?articleId=108905311博客，有问题留言
使用windows版yolov4训练自己的数据集
qq_36563273的博客
02-03 1517
1、将labelimg标注的xml、jpg文件分别放置在如图所示目录： 2、运行voc2yolo.py文件，转换数据为yolo格式， 脚本下载地址：https://download.csdn.net/download/qq_36563273/15008841 需要修改两处，一处为类别名称 一处为训练集占比 通过该脚本，会生成 2007_test.txt、2007_train.txt两个文件，ImageSets、labels两个文件夹 3、训练命令 在E:\Projects\darknet-v4\bu
darknet+yolov4 做物体识别(GPU)
andy dennis的博客
06-25 2421
前言 今日广东高考放榜日，写下此篇总结还算有意义hhh 顺带一提，发挥出色的小伙伴们再接再厉，发挥失常的朋友们也不要太过伤心啦，还有机会实现弯道超车呢。 感谢 yl同学和jy同学 在我遇到困难的时候一起交流。感谢老师耐心地回答了我的问题，让我明白出错的地方。 那我们开始吧 _ 特别声明: 转载请标注来源 darknet+yolov4 做物体识别: author: Andy~Dennis~Rob 环境准备 显卡驱动 确保自己是有显卡的(可能集显也可以?我没试过)。在cmd命令行下查看一下，我忘了这个用不
Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程（一）——环境配置
weixin_46187561的博客
08-24 2145
文章目录 前言 一、Darknet简介 二、环境要求 三、准备工作 四、正式安装 安装显卡驱动 安装cuda 总结 前言 这是基于轻量级深度学习框架darknet的yolo3模型实践在ros平台下实现训练自己的数据集来进行目标识别的过程记录。本文主要手把手带你配置darknet框架需要的环境配置。 一.Darknet简介： Darknet是一个轻量级深度学习框架，是一个完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，在makefile里面选择自己
Windows10系统下YOLOv4—Darknet训练过程
qq_45445740的博客
08-27 5095
一.环境准备 Windows10+CUDA10.0+Opencv3.4+VS2017 PS：一定要先安装VS，再安装CUDA，不然会报错，因为这个bug我搞了大半天，还是晚上逛别人博客时才看到的。 1.VS2017安装 https://msdn.itellyou.cn/ 可以去这里下载，安装时选择基本的C++库即可。 2.Opencv安装 二级目录 三级目录 ...
使用yolov4进行自定义数据集训练与测试图片检测展示
2301_77280933的博客
04-28 713
在本文中，我将介绍如何使用YOLOv4算法，基于课上提供的代码，使用自己标注的数据集进行训练，并最终得到一个训练好的模型。通过本文的介绍，我们成功地使用YOLOv4算法对自定义数据集进行了训练，并使用测试图片对训练好的模型进行了检测。未来，我们可以进一步探索如何优化模型的性能，如使用更先进的优化算法、增加数据集的多样性等。同时，我们还需要修改YOLOv4的配置文件，设置训练过程中的相关参数，如学习率、批次大小、迭代次数等。此外，我们还可以尝试调整训练过程中的参数或优化策略，以进一步提高模型的性能。
yolo v4 的代码-darknet-master-yolo-v4
04-24
yolo v4 的代码-darknet-master-yolo-v4 推荐下载
yoloV4自己的数据集.zip
04-29
刚刚出了yoloV4，相信很多人都需要使用并训练测试，数据集的处理和获取很麻烦，这个是我自己的训练数据集，已经训练过了没任何问题，需要调试源码的随时联系。YOLO V4自己的数据集。
yolo-基于keras实现yolov3算法-支持训练自定义数据集.zip
02-22
在训练自定义数据集时，你需要准备标注好的图像数据，通常包含类别标签和边界框坐标。Keras提供的数据预处理和模型编译功能可以轻松处理这些数据。训练过程中，可能会用到数据增强技术，如翻转、旋转、缩放等，以...
深度学习实战 | WIN10环境下配置Darknet并使用Yolov4-tiny训练Gun-and-Sword数据集
Genms的博客
06-30 1668
目录 一、准备工作 （一）环境配置 1.cuda和cudnn 2. Visual Studio配置 （二）Darknet安装 1. 下载源文件 2. 编译项目 二、使用Yolov3-tiny进行训练 （一）数据集标注 （二）模型配置 1. 模型文件修改 2. 下载预训练权重 （三）模型训练 （四）模型测试及效果 三、参考资料 一、准备工作 （一）环境配置 1.cuda和cudnn 配置cuda11.1+cudnn11.3，这里提供相应的下载链接，可以去官网下最新的，..
yolov4 darknet编译和训练自己的数据集
xiaoshuai_ma的博客
09-10 862
1。darknet主目录下，文件夹 darknet / data ------------------VOCdevkit --------------------------VOC2007 -------------------------------- Annotations #放入所有的xml文件 -------------------------------- ImageSets...
基于DarkNet框架实现YOLOV4的训练
qq_46292437的博客
01-18 2899
关于yolov4在darknet框架中训练的操作
【darknet-yolo系列】yolov4 训练模型操作流程（包含所有资源下载）
sazass的博客
07-06 8429
全程参考官方文档：https://github.com/AlexeyAB/darkne 非常详细！ 1.标注数据集，并转为yolo模式（txt格式）： 标注的方式很多，这边只针对labelImg工具标注来做的，没有的可自行网上下载； 标注完成后，会生成xml文件，这里需要转换成yolo需要的txt格式： txt的格式： <object-class> <x_center> <y_center> <width> <height> 第一个：分类数 第二
【编译Darknet】Darknet使用GPU训练Yolov4
cxyhjl的博客
05-19 2360
零、 制作数据集，生成train.txt和test.txt.下图，yolo_train存放lalelimg标注的训练集，yolo_test存放标注的测试集。 使用Image_Path_Txt.py脚本生成train.txt和test.txt import os def writetxt(f, txtname, path): WriteFile = open(os.path.join('cfg', txtname), 'a+', encoding="utf-8") WriteFil
darknet版YOLOv4训练自己的数据（详尽版）
热门推荐
weixin_37889356的博客
05-23 1万+
详细版darknet YOLOv4训练自己的数据
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