yolov4 开发环境搭建_【项目实战】YOLO v4训练自己的数据集

论文题目：YOLOv4： Optimal Speed and Accuracy of Object Detection

今天，使用YOLOv4对无人机进行目标检测，将自己的训练过程记录下来，总的来说，和之前Darknet的YOLOv3版本的操作完全相同。

环境

Ubuntu 16.04

Python： 3.6.4

OPENCV：3.4.0

CUDA： 10.0

GPU： RTX2080Ti

首先下载代码：

1 git clone https://github.com/AlexeyAB/darknet.git

由于都是AlexeyAB大神的杰作，在使用上与YOLOv3使用过程几乎相同，因此，使用起来较为熟悉。

1. 编译make

如果硬件设备包含GPU加速，需要对makefile文件进行修改，修改后如下图所示。

然后在终端进行编译：

1 # cd到darknet文件夹下：2 make # 或make -j8

2. 下载开源权重，并测试：

使用与训练的权重进行测试：

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

3. 训练自己的数据集

构建与YOLOv3相同的数据文件夹(此处仍以YOLOv3的方式构建)：

先按照上面的格式准备好数据。其中：

Anontations用于存放标签xml文件

JPEGImage用于存放图像</