Windows10+Darknet+YOLOv3训练自己数据（GPU）——3.已有模型测试

最新推荐文章于 2022-04-13 20:20:02 发布
最新推荐文章于 2022-04-13 20:20:02 发布
阅读量840 收藏 1
点赞数 2
分类专栏： Projects 文章标签： 深度学习 python windows tensorflow 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_34241387/article/details/108492764
版权
本文介绍了如何在Windows10环境下使用Darknet框架和YOLOv3模型进行测试。首先，确保下载了yolov3.weights模型权重文件，并将其与darknet.exe放在同一目录。接着，通过CMD进入该目录，将测试图片custom.jpg放入x64data文件夹中。运行命令后，模型会生成预测结果图像predictions.jpg，表明配置成功。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

3.已有模型测试

阅读本文前请先阅读：

Windows10+Darknet+YOLOv3训练自己数据——1.数据集准备
Windows10+Darknet+YOLOv3训练自己数据——2.CUDA+cuDNN+Darknet框架配置

（1）下载yolov3.weights并放到同darknet.exe的目录下，下载链接。

在这里插入图片描述
（2）cmd打开电脑终端，通过cd指令一步步跳转至darknet.exe文件夹，如下：

F:\darknet-master\darknet-master\build\darknet\x64>

自己下载一张图片，保存至x64\data文件夹下，我的命名为custom.jpg，然后运行命令：


                

                
                
        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        


    



                



	

		

			

				
					
Windows下使用yoloV3训练自己的数据

				
			

			

				

					waadly的博客
				

				

					04-17
					
					978
					
				

			

		

		

			
				
配置好yolov3后就可以训练自己的数据

进行数据标注，网上很多人是用labelimg进行标注的，标注之后还要进行文件的转换，这里我直接使用yolo提供的标注工具进行标注
yolo_mark的使用可以参考这个博客
下载地址：https://github.com/AlexeyAB/Yolo_mark
https://blog.csdn.net/heiheiya/article/details/83...

			
		

	



                

            
              



	

		

			

				
					
Windows10+Darknet+YOLOv3训练自己数据（GPU）——4.开始自己数据训练

				
			

			

				

					qq_34241387的博客
				

				

					09-09
					
					1173
					
				

			

		

		

			
				
4.开始自己数据训练
本篇主要参考该博文。我们在第一篇文章中已经准备好了JPEGImages和Annotations文件，下面准备模型训练需要的其他文件。
（1）用python创建Main目录里面的train.txt,val.txt,test.txt和trainval.txt这四个文件。

...

			
		

	



              


  
              

                


	

		

			

				
					
darknet在windows10+VS2017+opencv3.4.1下编译与应用

				
			

			

				

					08-22
				

			

		

		

			
				
darknet在windows10+VS2017+opencv3.4.1（C++）下编译与应用，关于darknet更多信息可以参考官网：
https://pjreddie.com/darknet/tiny-darknet/
相关的资源可以直接在官网下载。

			
		

	





	

		

			

				
					
Darknet版yolov3训练自己的数据集

				
			

			

				

					Hurt_Town的博客
				

				

					04-13
					
					860
					
				

			

		

		

			
				
一、在darknet文件夹下建立VOC格式目录
    VOCdevkit
        VOC2028
            Annotations
            JPEGImages
            ImageSets
                Main

二、将数据移到VOC目录下
    cp *.jpg ~/darknet/VOCdevkit/VOC2028/JPEGImages
    cp *.xml ~/darknet/VOCdevkit/VOC2028/Anno

			
		

	



		

			
		



	

		

			

				
					
Windows10+Darknet+YOLOv3训练自己数据（GPU）——1.数据集准备

				
			

			

				

					qq_34241387的博客
				

				

					09-09
					
					902
					
				

			

		

		

			
				
1.创建VOC数据集
VOC数据集是YOLO模型训练的传统标准文件格式，在模型训练前首先需要创建自己的VOC数据集。下载Pascal VOC数据集，可以把官方下载的VOC数据集里面的内容删除，只保留各个文件夹，然后将自己数据放置在对应的文件夹中。该文件夹的主要内容如下所示：
└── VOCdevkit     #根目录
    └── VOC2012   #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的
        ├── Annotations        #存放xml文件，与J

			
		

	





	

		

			

				
					
darknet + yolov4 训练自定义数据集 + windows环境搭建

				
			

			

				

					java_chc的博客
				

				

					03-03
					
					3613
					
				

			

		

		

			
				
windows系统下的 darkent 和 yolov4 训练环境搭建、训练过程问题记录。在工作实践中给出了自己的一点规范建议，希望能帮助搭建跨过这些坑点。

			
		

	





	

		

			

				
					
Windows10+cuda11.0+Opencv3.4.0+yolov4+darknet环境下的物体检测

				
			

			

				

					weixin_43325374的博客
				

				

					07-02
					
					1591
					
				

			

		

		

			
				
任务分析
首先让我们明确一下本次的任务：用 gun/sword 数据集训练你的物体检测模型，并对数据集中的验证集进行检测，计算出 mAP。
然后，大致了解一下需要完成的环境配置。看了一下，本次任务是由Windows10 + VS + OpenCV+yolo+darknet一起完成的，还得下载标记工具vott和目标检测指标mAP。
下面开始操作。
附：电脑已提前安装好cudu,版本为11.0，具体如下：


一、	下载opencv3.4.0版本
这个版本是恰到好处的。
Releases - OpenCV
或R

			
		

	





	

		

			

				
					
ubuntu16.04下使用YOLOV3训练自己做的VOC数据集（VOC数据集制作+模型训练步骤+训练参数解析和问题解决+训练日志可视化（loss、IOU）+模型测试（单张、摄像头、批量测试））

				
			

			

				

					鬼刀
				

				

					04-30
					
					8335
					
				

			

		

		

			
				
前序

1、环境配置

  请自行参考其他博客
	  本机环境
	ubuntu16.04
		python3
		英伟达显卡驱动：nvidia-396
		OpenCV3.4.5
		CUDNN7.0.5
		CUDA9.0
	
2、ubuntu16....

			
		

	





	

		

			

				
					
DarkNet+win10+yolov3+训练自己的数据

				
			

			

				

					qianxun
				

				

					09-16
					
					861
					
				

			

		

		

			
				
上一篇我们在win10+vs2019+opencv4.0的情况下编译了DarkNet,也进行测试。

现在开始基于DarkNet训练自己的数据集。

DarkNet+VS2019+CUDA10.2+Cudnn7.6+win10_zhangdaoliang1的博客-优快云博客学习一下DarkNet框架，并进行编译首先git下载DarkNet到本地。git clone https://github.com/AlexeyAB/darknet.git此处我是安装在F盘。网上最多的教程是vs2017/vs2015+

			
		

	





	

		

			

				
					
Anaconda下安装labelimg环境

				
			

			

				

					qq_29893063的博客
				

				

					07-27
					
					3357
					
				

			

		

		

			
				
前提已经安装Anaconda(本人安装的是Anaconda3.7)
第一步： 下载 LabelImg 安装包
github下载地址：https://github.com/tzutalin/labelImg
文件大小为240MB左右，所以需要下载一会，下载之后解压缩到本地
TIps：可以使用码云工具进行克隆，下载Github文件就会很快，具体方法自行百度
第二步：打开labelimg
在开始菜单中找...

			
		

	





	

		

			

				
					
win10下如何利用自己的数据训练yolov3模型

				
			

			

				

					weixin_41105274的博客
				

				

					07-28
					
					894
					
				

			

		

		

			
				
**    win10下如何利用自己的数据训练yolov3模型**
Step1-直接copy所有的文件，然后针对自己的实际情况进行相应的修改
Step2-首先利用Labelme标注工具，对自己的数据进行标注（图像放在VOC2007/JPEGImages文件夹下，标注后生成的XML文件放在VOC2007/Annotations文件夹下）
Step3-运行VOC2007文件夹下的split_data.py脚本，对数据进行分割，具体可打开程序看注释。运行之后会在ImageSets/Main文件夹下生成4个.txt

			
		

	





	

		

			

				
					
Win10中darknet编译与使用yolo训练自己的数据（GPU版）

				
			

			

				

					yipianbingxinzb的博客
				

				

					08-28
					
					1663
					
				

			

		

		

			
				
首先推荐网站darknet编译与数据训练darknet，在该网站中，作者详细的讲述了在window和Linux中darknet的编译与训练自己的数据过程。
根据该作者给出的方案，在win10下采用不同的方式对darknet进行编译，生成darknet.exe文件，并训练自己的数据。如何在win10上编译darknet.exe，作者给出两种方法，一种是using vcpkg，另外一种是legacy ...

			
		

	





	

		

			

				
					
Windows10+Darknet+YOLOv3训练自己数据（GPU）——2.CUDA+cuDNN+Darknet框架配置

				
			

			

				

					qq_34241387的博客
				

				

					09-09
					
					1531
					
				

			

		

		

			
				
2.CUDA+cuDNN+Darknet框架配置
第一次尝试了博主基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型，我有2000张图片，训练时粗略计算了一下需要750+h的时间，整整31个昼夜啊！！！万一最后模型不理想，那岂不是要搞好几个月。所以后面果断放弃，如果训练样本少的小伙伴可以尝试此法，的确很便捷。
第二次基于Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系

			
		

	





	

		

			

				
					
darknet yolov4 python接口测试图像

				
			

			

				

					LEILEI18A的博客
				

				

					07-11
					
					1万+
					
				

			

		

		

			
				
darknet yolov4 python接口测试图像

1.安装教程

按照github darknet yolov4要求配置即可，会出现lib.so文件。

2.darknet python目标检测接口

代码如下：主要调用darknet.py文件，此外自己写了自适应字体展示代码(与darknet终端命令得到的图像一样优美)


'''
注释：
    author is lei...

			
		

	





	

		

			

				
					
darknet优化经验

				
			

			

				

					xgd2016的博客
				

				

					07-21
					
					849
					
				

			

		

		

			
				
darknet优化经验

主要来自于：AlexeyAB 版本darknet



目录

darknet优化经验

	1. AlexeyAB改进项
		2. Linux下编译选项
		3. 训练经验
		4. 提升检测效果
		5. 总结
		6. AlexeyAB大神改进
	


1. AlexeyAB改进项


	提供window支持
	
	
	相较于原版pjreddie版本darknet提升了训练速度
	
	
	添加了二值化网络，XNOR(bit) ，速度快，准确率稍低https://github..

			
		

	





	

		

			

				
					
Windows10下使用darknet和YOLOV3训练自己的数据集

				
			

			

				

					知来者逆的博客
				

				

					02-15
					
					6289
					
				

			

		

		

			
				
win10下训练yolo模型

			
		

	





	

		

			

				
					
windows+python+yolov3训练自己的数据集

					
热门推荐

				
			

			

				

					maweifei的博客
				

				

					07-25
					
					4万+
					
				

			

		

		

			
				
代码：https://github.com/qqwweee/keras-yolo3

修改yolov3.cfg文件：https://blog.csdn.net/lilai619/article/details/79695109

本文介绍如何制作数据集、修改代码、不加载预权重从头跑自己的训练数据

一、简单回顾一下yolo原理：

    1、端到端，输入图像，一次性输出每个栅格预测的一种或多种物...

			
		

	





	

		

			

				
					
Yolov3：win10下训练自己的数据（GPU版）（详细步骤）

				
			

			

				

					qq_36417014的博客
				

				

					03-15
					
					2万+
					
				

			

		

		

			
				
前言

   最近在做用yolov3进行目标识别，关于前期已经成功检测成功了，大家有兴趣的可以看我之前写的一篇博客：VS2015+opencv3.4.2+yolov3成功检测，这篇博客主要介绍如何训练自己的数据。训练的环境是：win10+GPU

   最后，如果有什么写得不对的地方，希望大家不吝赐教，谢谢！

第二章 训练自己的数据

2.1 制作自己的数据集

 2.1.1...

			
		

	





	

		

			

				
					
WIN10+Darknet自建简单数据集训练YOLOv3识别特定物体

				
			

			

				

					a331683772的博客
				

				

					05-26
					
					1098
					
				

			

		

		

			
				
1.在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接复制yolov3.cfg,然后重命名为yolo-obj.cfg），
然后就是修改这个文件内容了。
将batch 改成64 ：batch=64
将subdivisions 改成8 ：subdivisions=8
将每个yolo下（共有3处）的classes改成你自己的类的数量 ：classes = 1（我的是1类）
将每个yolo上面第一个convolutional下的filters改成你自己的大

			
		

	





	

		

			

				
					
yolov1训练自己的数据

					
最新发布

				
			

			

				

					02-09
				

			

		

		

			
				
如果选择了继续已有权重的基础上进一步微调，则可以通过指定预训练模型路径的方式加快收敛速度。而对于完全从零开始的情况，则只需简单执行如下命令即可：  ```bash ./darknet detector train path/to/your/data....

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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