基于Darknet框架的yolov4-tiny物体检测

fq19851220

0. 上次发了个yolo检测调用支持库(地址在这),有些人想知道怎么训练,所以出个教程.      
本教程演示竞技游戏dota2英雄检测的训练过程,仅为演示训练过程 所以只检测一个英雄
拉比克!


1. 环境准备.
   我的软件环境win10 cuda10.0 cudnn 7.6.5
   显卡 1050ti  
   cuda下载地址  Cuda
   cudnn下载地址cudnn
   详细配置方法请百度,在此不展开.


2.数据准备.   找一个dota2直播间,准备了90张截图,剪出几张不参与训练 后面作测试用


   打开标记工具进行数据标注
   命令行 yolo_mark.exe dota2/dota2 dota2/dota2_train.txt dota2/dota2.names
   说明:
   dota2/dota2--->采集的图片路径
   dota2/dota2_train.txt--->图片相对于标注工具的相对路径文本集合,文本格式为:

   dota2/dota2/2021-05-14_232036.png   dota2/dota2/2021-05-14_232047.png
   dota2/dota2/2021-05-14_232057.png
   ...

   dota2/dota2.names--->类别名称 因为只有一个英雄 所以只有一个 0

   开始标注


   由于只有一个类,所以直接框选拉比克就行了,如果有多个类别,标注完一个英雄后,把上面第二行滑块条
   往后拉继续标注就行.
   ...
  7分钟后标完成.
3.开始训练.
   首先修改网络,复制一份yolov4-tiny.cfg 修改为yolov4-tiny-dota2.cfg
   记事本打开yolov4-tiny-dota2.cfg
   修改所有yolo层上面的convolutional中的filters后面的数字
   数字改为 (类数量+5)*3  我们只有一个类 所以为 (1+5)*3=18
   filters=18
   所有classes=改成类数量 我们只有一个 所以是classes=1
   训练命令行 darknet.exe detector train dota2/dota2.data ./cfg/yolov4-tiny-dota2.cfg  -dont_show
   说明:
   dota2/dota2.data--->训练各种配置路径,文本格式为:
   (classes = 1   --->类数量
   train  = dota2/dota2_train.txt   --->参与训练的图片路径
   valid  = dota2/dota2_val.txt   --->参与验证的图片路径
   names = dota2/dota2.names   --->类别名称 因为只有一个英雄 所以只有一个 0
   backup = backupdota2/   --->训练模型的保存路径)

   ./cfg/yolov4-tiny-dota2.cfg--->我们上面修改的配置文件路径

    -dont_show--->不显示窗口.
   运行命令行,出现错误
   

   显存不够,修改cfg文件
   batch=64
   subdivisions=8
   batch改小或subdivisions改大
   如果显存够大没有出错则不用修改.
   

   ....半小时1000迭代后训练完成,手动结束

   

   损失为0.13,模型已保存在backupdota2
4.测试模型
   使用上面的支持库测试一下效果,使用前面保存的未参与训练的图片测试

正确检出




未检出



正确检出

训练完成.

5.本教程仅演示框架的训练方法,数据较少,效果一般,训练需要英伟达显卡,建议4G显存以上 太小的恐怕训练不了
   本教程编写比较仓促,难免有错误和疏忽之处.

训练包下载地址

[url=https://pan.baidu.com/s/13YPfQvBm4FtAwWjInSbciA]提取码: 2rhj[/url]

交流群:479282555

百熙

谢谢楼主的分享,不会整静态就出错....

WSW120

谢谢分享

sskj2014

版主加群验证通过下呗 （☆真Dê很じove你）

515667395

多谢分享

酷酷

大哥有GPU版本的吗?CPU好慢

z188

666666666666666666666666666666666

a1055257427

谢谢楼主 很好的分享

qepwq1314

洞子dark

牛逼.谢谢楼主咯