C++环境下Yolov4训练自己的数据集

SupermenJJ

已于 2024-01-22 09:53:27 修改

阅读量424

点赞数 11

文章标签： YOLO 人工智能深度学习

于 2024-01-20 16:01:08 首次发布

本文链接：https://blog.csdn.net/weixin_52355496/article/details/135716014

版权

1.准备数据集。
首先下载yolov4并配置相关环境 (github官方Yolov4项目下有详细的配置过程:Yolov4
本次测试准备了5张图片放入image文件夹如下图所示：
在这里插入图片描述
.txt文本文档为标注文件,标注方式可以使用labelImg工具标注或者在线标注工具Make sense;标注完成后会生成对应的以图片名称命名的txt文本文档，生成的标注文件必须和图片放在同一目录下。标注文件内容如下所示：
在这里插入图片描述
第一列表示要训练的类的序号,这里一共训练两个类:deer和head,后面的小数表示标注的部分在图片中的位置。

2****准备相关训练文件
新建4个文本文档:2023_train.txt, 2023_val.txt, voc.names，voc.data (这里都在customData文件夹下)内容如下：
2023_train.txt内容是要训练图片的绝对路径:
在这里插入图片描述
2023_val.txt内容是标注信息的绝对路径:

voc.names内容两个类的名称:

voc.data的内容如下:
在这里插入图片描述
classes：要训练的类的数量
train: 要训练的图片路径(文本路径,这里填的是相对路径)
vaild:标注信息路径(文本路径,这里填的是相对路径)
names: 类的名称路径
backup: 训练完成后生成的权重文件保存的路径

3 设置yolov4cfg配置文件
从下载的官方yolov4目录下拷贝一个yolov4.cfg到当前customData文件夹目录并重命名为yolov4-custom.cfg,然后修改[net]层下的参数和三个[yolo]层以及三个yolo层上面第一个[convolutional]层参数，yolov4.cfg每个参数的含义自行搜索。
在这里插入图片描述