YOLO-v4训练全过程笔记

最新推荐文章于 2024-04-28 19:39:12 发布
最新推荐文章于 2024-04-28 19:39:12 发布
阅读量441 收藏
点赞数
分类专栏： 笔记 文章标签： pytorch python
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_45753718/article/details/120554470
版权
本文详细记录了使用YOLO-v4在Keras框架下进行目标检测训练的全程，包括数据准备、模型训练、类别配置、评估指标计算等关键步骤。通过修改相关配置文件，对指定类别进行训练，并在训练完成后进行模型性能评估。
摘要由CSDN通过智能技术生成

0726_yolo4_chebiaoshibie是总的工程文件

①：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》Annotation文件夹里放入所有打好标签的标签文件

②：0726_yolo4_chebiaoshibie》test.py文件 运行

③：0726_yolo4_chebiaoshibie》voc_annotation.py文件里的class改成要训练的类别，然后再运行，文件夹名不要有中文标签，不要有空格

④：0726_yolo4_chebiaoshibie》yolov4-keras-master》madel_data文件夹下新建一个txt文件，文档中输入需要分的类，例如

cat

。然后，0726_yolo4_chebiaoshibie》train.py文件里写上这个文件的路径。

classes_path = 'model_data/my_classes.txt'

⑤：0726_yolo4_chebiaoshibie》train.py 运行之。

==============================训练之后的评估

⑥：0726_yolo4_chebiaoshibie》yolov4-keras-master》VOCdevkit》VOC2007》Annotation文件夹里放入所有打好标签的标签文件（同①）

⑦：0726_yolo4_chebiaoshibie》yolov4-keras-

最低0.47元/天 解锁文章
王泽邦_bill
关注
专栏目录
【全面认知YOLO系列】第一部分：YOLO系列模型发展史
今晚打老虎的专栏
04-07 4628
YOLO V1（You Only Look Once version 1）是YOLO系列模型的第一个版本，由Joseph Redmon等人于2015年提出。相比于传统的目标检测方法，YOLO V1采用了全新的设计思路和网络结构，实现了端到端的目标检测，具有较高的检测速度和简单的设计。网络结构：YOLO V1模型采用卷积神经网络（CNN）作为基础网络结构，在输入图像上进行卷积操作，提取图像特征。单次预测。
Pytorch YOLO v4 训练自己的数据集超详细教程+(提供PDF训练教程下载）+源代码+文档说明
12-27
1、资源内容：Pytorch YOLO v4 训练自己的数据集超详细教程+(提供PDF训练教程下载） 2、代码特点：内含运行结果，不会运行可私信，参数化编程、参数可方便更改、代码编程思路清晰、注释明细，都经过测试运行成功，功能ok的情况下才上传的。 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、期末大作业和毕业设计。 4、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、 目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，更多源码，请上博主主页搜索。 -------------------------------------------------------------------------- -
【自用记录向】YOLOv5模型训练，按进度更新
m0_48838378的博客
03-13 3345
记录自己的yolov5模型训练历程
Win7下darknet训练yolov4-tiny及opencv调用模型测试训练结果
xq920831的博客
02-26 1935
本博文只为记录，方便自己需要时查看；如若对大家有帮助，那自然是最好的。 进入正题 一、训练环境 1. Windows下编译好的darknet（具体编译不细说了，网上很多），源码地址：https://github.com/AlexeyAB/darknet 2. opencv有最好，可以显示训练过程 3. GPU（这个没什么好说的） 二、数据集 所需文件的目录结构如下： darknet ----------x64 ---------------data -----------------.
yolov4训练数据并检测
weixin_45419375的博客
08-12 1331
1.下载代码 git clone https://github.com/AlexeyAB/darknet.git cd darknet make 2.修改Makefile文件（用CPU训练则忽略此步） 打开darknet下Makefile文件，修改以下参数 GPU=1 CUDNN=1 CUDNN_HALF=1 OPENCV=1 OPENMP=1 LIBSO=1 DEBUG=1 保存退出，在darknet文件夹下打开终端，执行make 3.测试开源权重 #图片结果保存在darknet/predictio
yolov4彻底实现
weixin_42553970的博客
06-05 747
详细见收藏的第一个文件yolov4实现， 1、要先配置安装前的东西 2、各个文件放对位置，修改好，注意一个问题：运行一些文件权限问题（chmod 777 wenjian）, 3、还有运行python文件时报错，原因可能时字符的中英文，一定不要用中文。 4、还有一个python的头文件要加不让报错，博客见https://blog.csdn.net/freya0110/article/details/82380714 5、参数（包括输入输出参数）详解可以看这个博客https://blog.csdn.n
YOLO V4 -- 学习笔记
DIAJEY的博客
04-10 782
参考文章：深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解 – 江大白* 参考视频教程：目标检测基础——YOLO系列模型（理论和代码复现）-- PULSE_ YOLO V4主要创新 ·输入端创新：Mosaic数据增强、cmBN、SAT自对抗训练 ·BackBone(CNN)主干网络：CSPDarknet53、Mish激活函数、Dropblock ·Neck：在BackBone和最后的输出增之间加一些模块，如SPP模块，FPN+PAN结构 ·Predicti
目标检测常用算法原理+实践精讲---学习笔记以及人脸检测相关问题总结
聪哥965
02-03 2587
文章目录1.传统目标检测方法1.1 Viola-Jones (人脸检测)1.2 HOG+SVM (行人检测、Opencv实现)1.3 DPM (物体检测)2.One stage2.1 Yolo体系变化2.2 YOLO网络结构是怎样的？2.3 YOLO的输入、输出、损失函数分别是什么？2.4 YOLO怎样预测？2.5 YOLOv3不使用Softmax对每个框进行分类的原因？2.6 YOLOv3的架构2.7 为什么SSD对小目标检测效果不好?3.Two stageFaster R-CNNFaster RCNN的
yolo3安装与测试VOC-2007数据集测试
runner668的博客
05-26 5361
环境：虚拟机下的ubuntu，所以就别想着什么CUDA了，折腾了半天才安装了了个opencv。哦，不对，还是需要先说说怎么安装吧，虽然很简单。YOLO: 是实现实时物体检测的系统，Darknet是基于YOLO的框架darknet非常容易安装，它只有２个可选择的依赖：    Opencv: 能支持更多格式的图像，并且得到实时的显示，我安装了这个，但是自己电脑原因效果不好。    GPU: 利用GPU...
yolov5 显示每个类别的mAP以及如何继续训练
jq_98的博客
05-02 7080
1、训练时显示每个类别的mAP verbose设置成True即可 2、继续训练 将’–resume’中的default =True设置为True default = ''填入想要继续训练的生成的exp中的last.pt的路径 或者使用命令行 python train.py --cfg yolov5l,yaml --batch-size 64 --weights './runs/train/exp4/weight/last.pt' ...
本地pytorch环境下利用YOLOv5训练自己的数据（包括加速训练参数设置与tensorboard查看）
qq_45874142的博客
05-25 5066
在本地环境利用YOLOv5训练自己的数据集（已完成）
ultralytics/yolov5显示单个类的mAP
shenhaibb_的博客
09-20 2448
val.py文件的第247行注释 再train
使用YOLOv4进行自定义数据集训练的流程及结果
weixin_64378458的博客
01-29 911
​ 进入 darknet_master 文件架修改 Makefile，将GPU, CUDNN, CUDNN_HALF, OPENCV 修改为1，预设值为0。
使用yolov4训练数据集
最新发布
m0_64834627的博客
04-28 434
训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。
YOLO v4训练自己数据集，计算mAP
qq_41264992的博客
10-19 3430
步骤：准备数据集->(resize成416 x 416)用Labelimg画标签->将xml文件转化为txt文件，用voc_annotation.py生成2007_train.txt文件（文件信息：绝对路径+图片所包含的目标信息）； 需要修改的地方：voc_annotation.py下classes=[“自己数据集要分的种类”]， train.py下的先再model_data下新建txt文件放入我们分的种类，classes_path=“新建的txt文件”；别忘了权重文件.h5 yolo.py下m
yolo模型(二)yolo模型计算mAP和recall
xue_csdn的博客
07-05 5549
训练好yolo模型之后（训练过程具体参考我的博客https://blog.csdn.net/xue_csdn/article/details/91043911），需要评估模型的性能，主要通过计算两个参数mAP和recall。 1、计算mAP: 首先，生成检测结果文件 ./darknet detector valid cfg/voc.data cfg/yolov2-voc.cfg backup/...
YOLOV7-增加评价指标map@.75（亲测有效，改动train_aux.py 与 test.py）
qq_44839773的博客
05-15 2434
近期利用自定义数据集训练了一下yolov7，训练平台是云服务器 Autodl ，显卡：TeslaT4（16GB）。由于在云服务器上训练，根据官网介绍，训练权重（.pt）采用，训练脚本采用 train_aux.py （具体可参照官网推荐。由于项目需求，想在训练与测试环节查看评价指标 map@.75（map@0.75）的值，由此发表记录一下如何添加打印效果。
【目标检测-YOLO】YOLO v5 训练最好结果的技巧
博观约取，厚积薄发
03-17 9633
来自：Tips for Best Training Results 📌 - YOLOv5 Documentation Tips for Best Training Results 训练最好结果的技巧 👋 Hello! 📚 This guide explains how to produce the best mAP and training results with YOLOv5 🚀. Most of the time good results can be obtained with no cha
yolo-v4_tiny人工智能平台
09-15
yolo-v4_tiny是一种人工智能平台，它的全称是You Only Look Once Version 4 Tiny。作为一种目标检测算法，yolo-v4_tiny可以在图像或视频中实时识别和定位多个物体。 yolo-v4_tiny采用轻量级网络结构，相对于传统的yolo-v4，它具有更少的参数和更快的运行速度。这使得yolo-v4_tiny在嵌入式设备或资源受限的环境下也能快速高效地进行物体检测。 yolo-v4_tiny的核心思想是将目标检测任务转化为单次前向传播的问题。它将输入图像划分为多个网格，并在每个网格上预测多个目标的边界框和类别概率。通过使用特定的网络结构和训练策略，yolo-v4_tiny能够在不损失准确性的前提下实现更快的检测速度。 yolo-v4_tiny的应用领域非常广泛。例如，它可以应用于智能监控系统中，实时监测公共场所的人员流动情况；它也可以应用于自动驾驶技术中，实时检测道路上的行人、车辆等障碍物；此外，yolo-v4_tiny还可以在无人机、机器人等领域中发挥重要作用，实现目标跟踪和环境感知。 总之，yolo-v4_tiny作为一种轻量级目标检测算法，拥有快速、准确的特点，适用于嵌入式设备和资源受限环境。它在各种领域中都有广泛的应用与前景。
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

打赏作者

王泽邦_bill

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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