YOLOv4 darknet windows10版本训练自己的数据教程

转自：[https://blog.csdn.net/ly_twt/article/details/105761312]
https://blog.csdn.net/weixin_40841247/article/details/105742022
https://blog.csdn.net/weixin_44868057/article/details/106498413
https://blog.csdn.net/weixin_38107271/article/details/106478275

YOLOv4 darknet windows10版本训练自己的数据教程

之前看了几篇文章都是用的linux搭建yolov4的darknet，几乎没有看到过windows版本的，在摸索了一个下午之后终于搭建好了并且能够训练自己的数据集。因此作者在这里想写一下自己搭建yolov4的darknet-master的整个过程并训练自己的数据集。

一、windows10环境配置

在搭建yolov4的darknet-master之前，我们需要在windows环境下搭建好VS(2015或2017皆可，作者的是2017)、opencv（4.0），CUDA10.0及对应版本的cudnn，作者在这里只做安装简介，具体请自行csdn查找相关教程。只有保证环境正确才能进行下一步操作。

1. VS2017安装 ，百度直接搜索msdn我告诉你；进入后选择开发人员工具里的VS2017下载即可，安装时秩序安装基本的C++库和windows SDK即可。
   
2. opencv安装 点击这里进入opencv下载；选择4.0版本下载后得到opencv，双击打开，解压到一个目录得到opencv文件夹，在系统变量中添加如下变量：
   
   在Path变量中添加如下变量即可：
   
3. CUDA及CUDNN安装 点击这里找到CUDA10.0并下载local（.exe文件），下载后直接双击安装，全部默认设置。点击这里注册并下载对应cuda版本的cudnn压缩包。待cuda安装完成后解压下载的cudnn.zip文件，将解压后文件夹下的文件复制到cuda安装目录相应的文件夹下，如bin-bin，行x64-x64等。cuda的安装会自动添加环境变量。

二、获取yolov4-darknet-master源码

windows建议直接github获取zip文件
点击这里下载darknet的源码压缩文件
源码链接：https://github.com/AlexeyAB/darknet
其实源码的readme.md文件也有具体的编译教程，包括不同的操作系统编译教程。
下载完zip后直接解压到相应文件夹即可，下图是解压后的所有文件：

以文本文件方式打开Makefile文件，修改如下：
GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
DEBUG=1
OPENMP=1
LIBSO=1
ZED_CAMERA=1
保存即可

三、使用VS2017编译darknet-master

1. 打开vs2017选择daknet.sln并打开
   
   直接点击确定
   
   环境没问题会输出这些：
   
   选择release x64模式
   
   右键darknet——生成
   
   如果没有问题则会输出如下信息：
   
   有报错的小伙伴可以邮件（tangwu0521@gmail.com）问我哈，一般都是cuda版本问题，之前我也遇到过。warning不要紧，问题不大，只要能生成就可以。
   然后再依次打开相同文件夹下yolo_cpp_dll.sln和yolo_console_dll.sln并且以相同的方式生成即可。

四、测试yolov4的demo

首先你需要yolov4.weight和yolov4.conv.137文件，请自行百度领取:
链接：https://pan.baidu.com/s/1leFA14UQQVStEBKlFnRzVw 提取码：u7k1
将yolov4.weight放入\darknet-master\build\darknet\x64\backup文件夹，yolov4.conv.137直接放在\darknet-master\build\darknet\x64文件夹下

打开cmd进入\darknet-master\build\darknet\x64目录
输入以下命令：darknet.exe detector test data/coco.data cfg/yolov4.cfg backup/yolov4.weights
cmd会输出网络

然后输入图像路径及名称即可得到检测结果：

至此，yolov4已经搭建好了，接下来就是训练自己的数据集了。

五、数据集准备

首先你需要将自己的数据集准备成VOC格式，如下图所示，在darknet-master\build\darknet\x64\data\voc文件夹下建立VOCdevkit/VOC2007文件夹，并且将JPEGImages、Annotations和ImageSets放入VOC2007文件夹下


JPEGImages – 储存所有的图片
Annotations – 储存所有的标注 [.xml] 文件
ImageSets – 存储train、test、val
接下来可以按照这片文章走：YOLOv4训练自定义数据集

不过我还是讲解一下过程，感觉上面这篇讲的不太详细。

使用data/voc文件夹下的voc_label.py文件可以将图片和注释文件转换为训练需要的txt文件，步骤如下：
打开voc_label,py修改如下代码：