yolov4训练自己的数据集
在最近几天（截至2023年9月1日），yolov5以非常高的热度发布，并且本人亲自体验了一番，并将相关经验进行记录。
环境
Ubuntu 16.04
Python3.5
cuda 9
首先下载代码文件。可以通过以下命令获取该文件：bash ./get_code.sh或者通过点击上方提供的链接来获取。
git clone https://github.com/AlexeyAB/darknet.git1.编译
若需启用GPU加速，则应先打开项目内的makefile文件并调整相关参数设置。
GPU 置为 1；
CUDNN 置为 1；
CUDNN\_HALF 置为 1；
OPENCV 置为 1；
OPENMP 置为 1；
LIBSO 置为 1；
DEBUG 置为 1。
# cd到darknet-master目录下
make
或者 make -j8请查看一下[开源权重]项目中的具体实现
# 测试图片，结果保存在darknet-master/predictions.jpg
./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg
3.准备自己要训练的数据集，以voc数据集的格式存放
按照上述格式准备好数据
4.制作yolov4需要的label以及txt
目前仅依赖于voc数据集构建的数据格式未能满足我们的需求，请先访问build/darknet/x64/data/voc/voc_label.py文件，并对其中代码进行相应调整。具体操作如下：首先移除与2012相关联的七行代码，并将第九行更新为自定义类别设置。
接着给每个路径前面加个data,如下图
运行位于darknet-master根目录的脚本之前，请确保已准备好了必要的配置文件。如果不希望继续执行该操作，则其他文件将会被生成于build/darknet/x64/data directories中。运行该脚本后，请检查其result directories中会产生多个txt files。此外，在darknet-master root directory的data/VOCdevkit/VOC2007子directory中将创建一个label files夹。
5.修改配置文件
<a.>在cfg/目录中将coco.data移动并命名为obj.data。随后处理以下内容
在配置文件目录中执行复制操作，并将coco.names重命名为obj，并将其命名为对应自己的类别名称
<c.>复制cfg/yolov4-custom.cfg，并且重命名为yolo-obj.cfg，同时修改一下内容
将宽度与高度设定为416；将最大batch迭代次数设定为6,000；调整学习率下降频率，在每一批次大小的80%-90%时进行设置。
然后三个classes的地方要修改
还有三个filters=255的地方要修改成自己的。
6.开始训练自己的数据集
./darknet detector train cfg/obj.data cfg/yolo-obj.cfg yolov4.conv.137如果发生此错误提示，则需修改配置文件中的第26行。具体来说，在'yolo-obj.cfg'中将'mosaic=1'设置为'mosaic=0'或选择性地取消该行的配置。
7.预测
./darknet detector test cfg/obj.data cfg/yolo-obj.cfg yolo-obj_xxxx.weights 通过图像分析得出的预测结果如图所示。经测试显示，基于大量数据集进行深度学习训练所得的yolov4模型参数表现优异。
———————————————————————————————————————————
备注：上面的测试命令是基于编译生成的darknet框架来预测的，在工程环境中使用时显得不太方便；然而可以通过以下这个链接中的代码来使用模型。
8.用自己训练的权重作为预训练
在训练过程中，有时会突然中断 halfway 阶段。这使得重新开始 training 成为一种耗时的操作。然而，在直接加载该权重文件时（如 yolo-obj_last.weights），通常会导致错误。我们需要利用之前保存的权重来作为 pre-trained weights 的起始点。
#首先用第一行代码将yolo-obj_last.weights转化为olo-obj_last.conv.23
./darknet partial cfg/yolo-obj.cfg backup/yolo-obj_last.weights backup/yolo-obj_last.conv.23 23
#第二行将我们刚转化好的yolo-obj_last.conv.23作为预训练权重训练
./darknet detector train cfg/obj.data cfg/yolo-obj.cfg backup/yolo-obj_last.conv.23