YOLOV4首发使用体验
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-p5i1YLfk-1587914617755)(https://pjreddie.com/media/image/yologo_2.png)]
YOLOV4训练自己的数据集
训练配置基本上就是官方文档的翻译，加上一些自己的理解，英语好的可以直接看官方文档
更改网络配置参数（cfg文件）
-
从yolo给的cfg文件中复制
yolov4-custom.cfg到自己的项目里，喜欢的可以改一个名字。 -
更改
batch=64subdivisions=64，YOLOV4提高了训练的要求，我的笔记本的1060居然被嫌弃了，改成64也不能正常开始训练，只好借用高性能台式2070来训练了 -
设置
max_batches为(classes*2000但是最小不能小于4000), 意思就是你有三个目标需要检测就设置max_batches=6000 -
设置
steps为80%和90%的max_batches，意思就是你有三个目标需要检测就设置steps=4800,5400 -
设置网络的大小为
width=416 height=416或任意一个32的倍数，yolov4默认是608*608，这就挺好的，没有必要改这个，改了这个之后后边的anchors锚点也需要改一下，如果你不知道怎么改锚点，就不用更改网络大小了。YOLO在检测的时候会自动resize你输入的图片为设置的大小。 -
下图就是一个实例：
-
下一步就是更改具体的yolo层的配置了，yolov4和v3一样，还是有三个yolo层，这三个yolo层都需要根据自己的数据集改一下，如果你在cfg里找不到可以搜索一下。
-
更改classes为你自己的标签数量，然后更改yolo层上边的convolutional层的
filters的数量为filters=(classes + 5)x3 。也就是说如果你有5个classes，就需要设置filters为（5+5）*3=30，就像下图展示的那样。这一步很关键，三个YOLO层都需要这样设置，不能只设置一个YOLO层。 -
如果你用
[Gaussian_yolo]的话是需要特殊的设置的，这里就不讲了，用到的话可以自己去看官方文档。
转化标注和制作train.txt
这一步比较简单，在我的另一篇博客里也写过了，就不赘述了。
编译Darknet
这一步网络上有很多的教程了，我就不再重复写一遍，直接贴一篇我觉的写的很好的
需要注意的是，编译darknet需要安装cuda和cuDNN并配置环境变量，不一定要安装CUDA9.0版本的，其他版本也可以
开始训练
如果你的环境和配置文件都准备好了，就可以开始训练了，不过这一步需要下载预训练权重，官方文档是从墙外下载的，我也好心上传了一份“yolov4.conv.137”，点击就可以直接下载。
darknet的训练代码也非常简单darknet detector train custom.data yolov4-custom.cfg yolov4.conv.137，直接打开cmd运行这句话就可以了，然后就可以开始训练了。
训练两个目标的网络4000次之后的体验
先贴出来我训练的mAP，可以看到YOLOV4训练的结果比较惨淡，在同样的数据集的情况下甚至还不如YOLOV3，可能是我使用的有点问题，不知道为什么会出现这样的情况。这个模型训练到后期loss一直在7.X降不下来，而同数据集下的YOLOV3就可以把loss降到2.X。