darknet训练数据集 linux 物体检测

最新推荐文章于 2023-01-29 14:58:12 发布
最新推荐文章于 2023-01-29 14:58:12 发布
阅读量155 收藏 1
点赞数 1
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/qq_42931634/article/details/118438224
版权
安装darknet
git clone https://github.com/pjreddie/darknet
cd darknet
make
检查darknet是否安装成功
cd darknet
./darknet

在这里插入图片描述
出现上述结果表明已经安装成功

进行物体检测测试
下载官方训练的权重
wget https://pjreddie.com/media/files/yolov3.weights
使用官方的权重进行物体检测
 ./darknet detect cfg/yolov3.cfg yolov3.weights ./data/timg.jpeg

在darknet文件夹中出现训练结果
在这里插入图片描述

在这里插入图片描述

开始训练自己的数据集
创建配置文件

在这里插入图片描述
obj.data 如下：
在这里插入图片描述

准备训练的数据集

在darknet下创建mydata文件夹，其中存放文档如下：
在这里插入图片描述
obj数据集数据如下：
在这里插入图片描述

其他文件如下：
由于之前使用相对路径出现问题，所以全部改为绝对路径
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

开始训练

其中 darknet53.conv.74 是预训练模型，需要在网上自行下载
在这里插入图片描述
开始训练
以上表示已经开始训练

backup中会生成训练的权重文件
在这里插入图片描述

使用训练的模型进行单个图像的检测

在这里插入图片描述
在这里插入图片描述

所有不开心都是闲出来的
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Darknet版YOLOv4反光衣检测训练权重+反光衣数据集
12-15
1、Darknet版YOLOv4反光衣检测训练权重 ，包括weights文件、cfg文件和names文件，附有训练曲线图，可使用； 2、包括标注好的VOC格式的数据集； 3、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127378996?spm=1001.2014.3001.5502
darknet的安装、用训练好的YOLOv3权重测试、训练自己的模型(包括本人在运行时的报错及解决方法）
qq_32473523的博客
07-11 2257
Part1：下载并编译darknet。 1.在terminal执行git clone https://github.com/pjreddie/darknet.git。 2.然后切换到darknet目录下 3.编译 三步操作代码如下： git clone https://github.com/pjreddie/darknet.git cd darknet make 如果执行顺利的话，输入./darknet，将会得到如下结果。至此part1部分结束。 到这没有问题就直接看part2，...
在linux(ubuntu)操作系统中使用自定义数据及darknet进行目标检测
weixin_38650871的博客
05-21 256
1、数据集制作 1.1数据文件夹创建 创建如图下所示的文件夹： VOCdevkit VOC2007 Annotations ----> Annotations用于存放使用labelImg生成的标记（XML）文件 JPEGImages ----> 存放对应的图片（jpg）文件 labels ----> 存放XML文件中类别标记和归一话的矩形框坐标 ImageSets Main test.txt train.txt trainval.txt val.txt 文件夹Main下四个文本文
linux-yolov4 darknet环境配置以及效果实测
alex1801
06-22 1470
目录 1、编译运行 2、测试运行 测试环境：ubuntu18.04+driver450+cuda11.0+cudnn8.0.5+opencv4.4.0 工程地址：https://github.com/AlexeyAB/darknet 1、编译运行 配置好cuda cudnn 以及opencv后。 进入darknet目录，先修改一下Makefile里面的文件，以支持GPU： GPU=0 CUDNN=0 CUDNN_HALF=0 OPENCV=0 AVX=0...
darknet框架YOLO+VOC使用笔记
Gomamon的博客
02-20 711
darknet框架下载 https://github.com/pjreddie/darknet
YOLOV3训练自己的数据集（VOC数据集格式）
热门推荐
Carroll的博客
04-26 1万+
包括内容： darknet yolov3的下载、配置、测试 制作自己训练集标签（VOC数据集格式） 在yolov3下训练自己的数据集 验证训练结果，进行测试 （一）darknet yolov3的下载、配置、测试： 下载并配置yolo 打开网址：https://pjreddie.com/darknet/yolo/，这是官网给出的使用及训练教程。 下载yolo项目 git clone https:.........
darkent Yolo训练自己的数据集（学习记录）
weixin_42255569的博客
05-13 351
1.下载darknet源码 git clone https://github.com/pjreddie/darknet cd darknet 2.修改配置文件Makefile GPU=1 #如果使用GPU设置为1，CPU设置为0 CUDNN=1 #如果使用CUDNN设置为1，否则为0 OPENCV=0 #如果调用摄像头，还需要设置OPENCV为1，否则为0 OPENMP=0 #如果使用OPENMP设置为1，否则为0 DEBUG=0 #如果使用DEBUG设置为1，否则为0 4.下载yolov3预训练
darknet训练完成后批量测试图片
如云漂泊的博客
07-25 4972
darknet训练完成后批量测试图片 参考博客https://blog.csdn.net/fqlovetb/article/details/84393806 darknet训练自己的数据集，以及训练完成后对单张图片的检测见如下地址https://blog.csdn.net/qq_38915710/article/details/97112788 下面介绍darknet批量测试图片并保存在自己...
与其道听途说，不如少走点弯路，轻松跟我来全面剖析 darknet 官网！
程序猿视角
06-06 5760
仔细研读官网，你绝对不会失望！很多人以为 darknet 就是一个实现 yolo 算法的私人代码。事实上， darknet 官网全面介绍了darknet 在更多领域的优秀表现，包括图像检测、图像分类、图像生成、RNN自然语言处理算法、AlphaGo下棋、模型压缩精简。官网提供了大量训练好的模型资源，可以为我们节省不少训练时间。最后，官网还对个人GPU工作站配置等提供了很好的参考建议。
Darknet版yolov3烟雾检测训练模型+2000烟雾检测数据集
05-18
1、Darknet版yolov3烟雾检测训练模型，训练好的权重文件，包含smoke.data , smoke.names, yolov3 -smoke.cfg， yolov3 -smoke_best.weights权重文件，并包含训练loss曲线和map曲线图， 2、检测结果见：...
Darknet版YOLOv3算法Visdrone数据集上训练结果
04-22
Darknet版YOLOv3算法Visdrone数据集上训练结果 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线， 2、检测效果参考：...
Darknet版YOLOv4玩手机检测训练权重+VOC格式玩手机检测数据集
12-15
Darknet版YOLOv4玩手机检测训练权重+VOC格式玩手机检测数据集 1、Darknet版YOLOv4玩手机检测训练权重 ，包括weight文件、cfg文件和names文件，附有训练曲线图，可使用 2、包括几千张标注好的VOC格式的数据集 3、...
Darknet版YOLOv4烟雾检测训练模型+2000烟雾检测数据集
05-18
1、Darknet版YOLOv4烟雾检测训练模型，训练好的 权重文件，包含smoke.data , smoke.names, yolov4-smoke.cfg， yolov4-smoke_best.weights权重文件，并包含训练loss曲线和map曲线图， 2、检测结果见：...
OGB：图机器学习的基准测试数据集
galaxy_lyp的博客
04-09 206
OGB：图机器学习的基准测试数据集 https://blog.csdn.net/qq_27075943/article/details/106652570
PyG OGB 使用过程记录
qq_40926715的博客
09-29 1336
ogb batchnorm1d torch.seed() arg action_store
图神经网络权威基准OGB（Open Graph Benchmark）
m0_38024592的博客
01-29 480
针对不同的图学习任务，比如节点性质、边性质、图性质的预测等，OGB都分别提供了相应的数据集，比如亚马逊产品购买网络、学者合作网络、学术引用网络、分子图等等。OGB一共包含三大类任务：节点性质预测、边性质预测、图性质预测，每种任务中又分别使用了不同的数据集，其中节点性质预测有5个数据集，边性质预测有6个数据集，图性质预测有4个数据集。因此，图神经网络在多个领域的复杂关系建模和互动系统中起到关键作用，这些领域包括生物学、地图、金融、搜索、推荐、高能物理学、社会科学和经济学等。
【笔记】YOLOv3+darknet实现目标识别
weixin_45048417的博客
01-04 3927
目录一、安装OPENCV3.4二、编译darknet三、创建自定义数据集四、训练YOLOv3-tiny模型五、结果测试功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML ...
简单介绍ogb包(open graph benchmark)(图神经网络的基准数据集)
qq_43391414的博客
10-20 3990
Open Graph Benchmark (OGB) 是一个图深度学习的基准数据集。
nodejs-x64-0.10.21.tgz
最新发布
05-11
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
linux训练数据集,darknet训练自己的数据集 linux find命令详解
05-19
对于darknet训练自己的数据集，需要准备好图像数据以及对应的标注文件，然后使用darknet提供的脚本进行训练。 find命令是在Linux系统中非常常用的命令之一，它可以用来在指定目录下查找文件和目录，并可以按照不同...

“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