1、安装nvidia驱动和cudnn,不熟悉的小伙伴请移步：Ubuntu20.04安装NVIDIA显卡驱动、CUDA、CUDNN及突破NVENC并发限制_ubuntu20.04安装显卡驱动_BetterJason的博客-CSDN博客

2、编译opencv，不熟悉的小伙伴请移步:ubuntu20.04 和centos8平台opencv4.5.3&opencv_contrib编译_BetterJason的博客-CSDN博客

3、编译yolov4,不熟悉的小伙伴请移步：ubuntu20下yolov4的编译_BetterJason的博客-CSDN博客

4、使用Labelimg工具标注文件，每个图片文件将会产生一个对应的xml文件

5、建立训练文件的目录结构：在darkent目录下建立如下文件夹：

将标注产生的xml文件复制到Annotations目录下

将训练图片复制到JPEGImages目录下

6、使用 genfiles.py(脚本文件在文末给出)将标注的xml文件转换为yolov4标注格式的txt文件，执行genfile.py之前，请打开genfiles.py将如下内容改为自己训练类的内容：

然后执行： python3 genfiles.py

执行genfiles.py后的文件布局：

在darkent目录下产生：2007_test.txt  2007_train.txt

2007_train.txt：用于训练

2007_test.txt ：用于测试

最终训练使用到文件：

darkent/2007_train.txt   (训练文件信息)

darkent/2007_test.txt    （测试文件信息）

/darknet/VOCdevkit/VOC2007/JPEGImages （训练的图片文件）

darknet/VOCdevkit/VOC2007/labels   （yolov4格式的标注有文件）

7、训练参数设置：

在darknet/data目录下修改文件

将 voc.names 复制为 voc-xxx.names,  voc-xxx.names是你自己重新命名的配置文件

sudo vim voc-xxx.names

 将voc.data 复制为voc-xxx.data,voc-xxx.data是你自己重新命名文件

sudo vim voc-xxx.data

8、下载训练的权重文件 yolov4.conv.137 （下载地址文末给出）

9、修改训练的cfg文件

darknet/cfg目录下

将 yolov4-custom.cfg 复制为 yolov4-xxx.cfg , yolov4-xxx.cfg是你自己命名的训练配置文件名字

修改 yolov4-xxx.cfg

sudo vim /cfg/ yolov4-xxx.cfg

ps:

batch要能够被subdivisions整除

 width 和height是训练时把训练图片resize的大小，就是把训练图片resize为width和height在送往训练器，其中width和height必须能被32整除。

修改三个yolo层前面的卷积层参数：

 10、开始训练

cd darknet
./darknet detector train data/voc-xxx.data  cfg/yolov4-xxx.cfg  yolov4.conv.137 -map

 11、训练完成后，在darknet/backup目录下保存训练的权重用带best的权重

12、测试修改 darknet/cfg/yolov4-xxx.cfg

# 对图片进行测试
./darknet detector test data/voc-xxx.data data/yolov4-xxx.cfg backup/yolov4-xxx_final.weights data/dog.jpg
# 对视频进行测试
./darknet detector test data/voc-xxx.data data/yolov4-xxx.cfg backup/yolov4-xxx_final.weights  test.mp4
# 对摄像头进行测试
./darknet detector test data/voc-xxx.data data/yolov4-xxx.cfg backup/yolov4-xxx_final.weights -c 0

相关文件下载：

链接：https://pan.baidu.com/s/1eGL616eVGWeHCuRpDqqSTQ?pwd=31wq
提取码：31wq
--来自百度网盘超级会员V6的分享