yolov4的cfg文件怎么生成_使用yolov4训练自己的数据集

环境：ubuntu16.04 cuda8.0 cudnn6.0.1 GT1070

1，GitHub：https://github.com/AlexeyAB/darknet下载

2，编译；

①修改makefile文件

GPU=1

CUDNN=1

CUDNN_HALF=0#这里如果显卡计算能力小于7.0，不需要改为1

OPENCV=1

AVX=0

OPENMP=1

LIBSO=1

’‘’

DEBUG=1

‘’‘

NVCC=/usr/local/cuda-8.0/bin/nvcc#改为自己的路径

②make

备注：常见错误均可网上搜到，无非是版本问题

3，下载预训练模型：GitHub上均有

4，简单测试：

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

测试效果：

Done! Loaded 162 layers from weights-file

data/dog.jpg: Predicted in 67.411000 milli-seconds.

bicycle: 92%

dog: 98%

truck: 92%

pottedplant: 33%

5，训练自己数据集：

①收集数据集，这个根据自身项目要求进行收集，网上有绝大多数需要的数据集，下载归类。

②对于数据集的预处理：可以将众多图片名称改为VOC数据集的格式，即000**.jpg。修改代码如下：

import os

path=input('请输入文件路径(结尾加上/)：')

#获取该目录下所有文件，存入列表中

f=os.listdir(path)

n=0

for i in f:

#设置旧文件名(就是路径+文件名)

oldname=path+f[n]

#设置新文件名

newname=path+'000'+str(n+1)+'.jpg'

#用os模块中的rename方法对文件改名

os.rename(oldname,newname)

print(oldname,'======>',newname)

n+=1

③对数据集进行标记：本人使用labelImg工具进行标记，附上GitHub链接：https://github.com/tzutalin/labelImg 非常简单的安装和操作。

④对数据集进行增广：一般常用翻转、剪切、旋转，根据自身项目需要增广至所需数据集数量。(代码较多，不便粘贴，需要的小伙伴儿可以私聊)

⑤将数据集改为VOC数据集格式：

一、数据集文件夹格式

<