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</