darknet 训练心得

Posted 2023-04-16

参考技术A 使用Git克隆源码

我们可能需要修改Makefile

主要修改前三行，配置使用GPU(CUDA)，CUDNN，OPENCV

之后运行

安装成功！

使用LabelImg工具对图片进行标注，LabelImg安装和使用方法请自行百度。标注完成后得到两个文件夹Annotations和JPEGImages，分别存放xml格式标注内容和图片。

在scripts文件夹下构建目录树

此时scripts文件夹下目录树应当为：

然后将Annotations和JPEGImages文件夹复制到VOC2007目录下
值得注意的是，VOC2007的年份2007应当和xml标注文件中的年份相同

接下来把traindata.py和trans.py拷贝到VOC2007目录下
其中traindata.py内容是：

trans.py内容是：

首先拷贝Annotations文件夹为xml，拷贝JPEGImages为Image
修改traindata.py中验证集数量val_num，推荐为总数据集的30%，修改trans.py中的sets和classes
执行

将生成的trainImageID.txt和validateImageID.txt拷贝到ImageSets的Main目录下，并分别重命名为train.txt和val.txt，删除执行traindata.py和trans.py生成的所有文件和文件夹以及xml和Image文件夹

回到scripts文件夹
修改voc_label.py，修改sets和classes的值，并将最后的两行

改成

最后执行

至此，数据集准备完毕

回到darknet根目录下

修改voc.names
修改为需要识别的类名称，每行一类

修改yolov3.cfg

根据电脑配置，主要是显卡能力调整参数
修改每一个[yolo]前面四行的filters和后面三行的classes，注意需要修改3处

修改voc.data为

修改detector.c

有几个函数中需要修改，建议直接搜索

修改darknet.c

这里也有几处需要修改

执行

YOLO-Darknet实战：自建数据集训练YOLOv4模型

文章目录

• • 一、制作Darknet格式数据集
  • 二、更改配置文件
  • 三、下载预训练模型
  • 四、编译darknet
  • 五、开始训练
  • 六、断开续训
  • 七、目标检测测试

一、制作Darknet格式数据集

Darknet格式数据集由以下几个文件构成：
1、obj.names
用来存放目标的类名，该文件置于darknet/data/路径下

2、train.txt 和 test.txt
用来存放训练集和测试集中图片的路径，文件放置于darknet/data/路径下，文件内容如下：

3、obj
文件夹，用来存放原图和txt标签，文件放置于darknet/data/路径下。txt标签格式如下：

4、obj.