在windows下使用darknet,YOLO的步骤

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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