基于darknet-yolov4训练自己的数据集
一、环境配置
git clone /pjreddie/darknet.gitcd darknetmake
二、训练自己的数据集
主要参考：/jiangpeng59/article/details/106231878
参考：/qq_38316300/article/details/106771964
1、在darknet文件下创建自己的数据集文件夹myData。在myData下创建JPGEImages（训练集图片），Annotations（存放标注的xml文件）。test文件夹放测试数据。创建weights文件夹（训练后的的权重文件夹保存路径在此）
2、Annotations（存放标注的xml文件）文件生成：python ./03-create_xml_self.py
3、运行myData中的test文件，在ImageSets/Main/下生成四个txt文件，test.txt，train.txt, val.txt, trainval.txt
python . /myData/test.py
4、运行darknet下的voc2txt文件，在myData文件下生成trian.txt, vat.txt 两个txt文件。 python ./voc2txt.py
5、进入darknet/cfg文件中两处修改
1）my_data.data文件中保存着五类信息：类别数量，训练集，验证集，类别名称和保存权重的文件
classes= 2 # 2表示数据集中只有两类可检测的物体train = myData/train.txt # 表示保存训练数据集的地址test= myData/test.txt # 表示保存验证数据集的地址names = myData/myData.names# 表示可检测物体的名称backup = myData/weights/ # 表示保存训练权重的文件
2）my_yolov4.cfg中修改带“#”号的地方，主要包括Testing/Training（二选一）、
classes=6#有3处都在[yolo]配置下，可以使用查找替换filters=33#有3处都在[yolo]配置上方，需要一个一个修改，其值=(classes + 5)x3)max_batches = 12000#其值=classes*2000steps=9600,10800 #其值=(max_batches*0.8,max_batches*0.9)
6、train
./darknet detector train cfg/my_data.data cfg/my_yolov4.cfg yolov4.conv.137
7、test
./darknet detector test cfg/my_data.data cfg/my_yolov4.cfg myData/weights/权重名 myData/test/006983.jpg
