darknet下yolov4训练自己的数据集及其调参规则快速教程

最新推荐文章于 2024-09-28 21:00:04 发布

学术菜鸟小晨

最新推荐文章于 2024-09-28 21:00:04 发布

阅读量2.7k

点赞数 1

分类专栏： Python yolov4 文章标签：深度学习机器学习

本文链接：https://blog.csdn.net/qq_34717531/article/details/108355384

版权

Python 同时被 2 个专栏收录

46 篇文章 31 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

yolov4

15 篇文章 2 订阅

订阅专栏

本文提供了一个在darknet框架下利用yolov4训练自己数据集的快速教程。首先介绍了数据准备步骤，包括创建数据结构，使用makeTxt.py和voc_label.py脚本处理数据。接着详细说明了如何修改yolov4.cfg的参数，如classes数量，filters值和max_batches等，以及coco.data和coco.names文件以适应自定义类别。此外，还给出了调参的一般规则，如训练次数和学习率调整。

摘要由CSDN通过智能技术生成

前置：下载最新版本darknet并编译，编译opencv

一、数据准备

在darknet-master下建立自己的数据twodata，将自己的数据弄成这种形式：

图片放JPRGImages，xml放Annotations，ImageSets是空文件夹。

其中makeTxt.py

import os
import random
 
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = './VOC2008/Annotations'
txtsavepath = './VOC2008/ImageSets'
total_xml = os.listdir(xmlfilepath)
 
nu