在windows下使用darknet，YOLO的步骤

最新推荐文章于 2023-02-22 09:00:52 发布

Royal Pearl.

最新推荐文章于 2023-02-22 09:00:52 发布

阅读量3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：安装基础文章标签： darknet yoloV3 windows

本文链接：https://blog.youkuaiyun.com/weixin_43981221/article/details/88908069

本文详细介绍了在Windows系统下使用Darknet训练YOLOv3模型的步骤，包括图片打标签、配置文件修改、训练过程以及训练指标的解释。遵循教程，读者可以学会如何在自定义数据集上训练YOLO模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考官网https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects

一.给图片打标签：
删除文件夹里面的所有文件：x64/Release/data/img
把自己的.jpg图片放入上述文件夹
在文件x64/Release/data/obj.data中写出要检测对象的数量(右键用Notepad++编辑)
在文件x64/Release/data/obj.names中写出对象的名字每个写一行
win+R:cmd
cd\x64\Release
yolo_mark.cmd (h-help c-clear)

二.如何训练（检测自定义对象）：
1.使用与yolov3.cfg相同的内容创建文件yolo-obj.cfg（或将yolov3.cfg复制到yolo-obj.cfg）并且：
a.更改为 batch = 64（第三行）
b.更改为 subdivision = 8（第四行）
c.将三个[yolo] -layers 的classes= 80更改为你需要检测物体的个数（第610 696 783行）
d.在[yolo]图层之前的3 [卷积]中将[filters = 255]更改为filters =（classes + 5）x3 （第603 689 766行）
因此，如果classes = 1，那么应该是filters = 18。如果classes = 2则写入filters = 21。
（不要写入cfg文件：filters =（classes + 5）x3）
2.在目录build \ darknet \ x64 \ data \中创建文件obj.names，对象名称 - 每个都在新行中(标定文件夹复制过来就行)
3.在目录build \ darknet \ x64 \ data \中创建文件obj.data，包含（其中classes =对象数）：(标定文件夹复制过来就行)
classes= 2
train = data/train.txt
valid = data/test.txt
names