训练darknet-yolov4

本文档详细介绍了如何使用darknet框架训练YOLOv4模型,包括制作数据集、修改训练配置文件以及启动训练的过程。首先,创建符合格式的数据集,并通过voc_label.py脚本进行预处理。接着,对yolov4-custom.cfg配置文件进行定制,如更改类别数和数据路径。最后,执行训练命令开始训练过程。
摘要由CSDN通过智能技术生成

1.先制作数据集

(1)在darknet/scripts文件夹下,创建如下格式文件夹,并用下面的脚本分割出训练集和验证集,并把图片名称train.txt和test.txt下,注意的是不要有文件后缀名
 

在这里插入图片描述 

"""
制作voc数据集的train.txt和test.txt
"""
import os
from os import listdir, getcwd
from os.path import join
import random
if __name__ == '__main__':
    source_folder = '/home/lee/Desktop/myfiles/yolov4-2/darknet/scripts/VOCdevkit/VOC2007/JPEGImages'
    dest = '/home/lee/Desktop/myfiles/yolov4-2/darknet/scripts/VOCdevkit/VOC2007/ImageSets/Main/train.txt'  # train.txt文件路径
    dest2 = '/home/lee/Desktop/myfiles/yolov4-2/darknet/scripts/VOCdevkit/VOC2007/ImageSets/Main/val.txt'  # val.txt文件路径
    file_list = os.listdir(source_folder)
    train_file = open(dest, 'a')
    val_file = open(dest2, 'a')
    split_rate = 0.1
    file_num = len(file_list)
    random.shuffle(file_list)
    val_name = random.sample(file_list, int(split_rate*file_num))
    for file_obj in file_list:
        file_path = os.path.join(source_folder, file_obj)
        file_name, file_extend = os.path.splitext(file_obj)

        if file_obj in val_name:
            val_file.write(file_name + 
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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