在YOLOv4-Tiny的训练过程中,我们需要修改一些配置文件以适应自己的数据集。这些配置文件通常包括训练配置文件(如yolov4-tiny.cfg)和数据集配置文件(如coco.data)。在训练配置文件中,我们需要设置输入图像的尺寸、锚点(anchors)等参数;在数据集配置文件中,我们需要指定数据集的路径、类别数量、类别名称等信息。 4.
3.1 收集数据集 收集包含枪支和刀具的图片数据集,并按照Darknet所需的格式进行标注。 3.2 数据集标注 使用LabelImg等工具对图片进行标注,生成.txt格式的标注文件。 3.3 数据集划分 将数据集划分为训练集、验证集和测试集,确保数据集的多样性和平衡性。 4. 训练YOLOv4-tiny模型 4.1 配置训练参数 在Darknet源代码目...
YOLOv4-tiny目标检测实战:训练自己的数据集 课程概述 YOLOv4-tiny 是 YOLOv4 的轻量级版本,专为移动设备、嵌入式设备和边缘计算设备设计。它在保持高性能的同时,显著降低了模型大小和计算复杂度。本课程将带领学习者从零开始,掌握 YOLOv4-tiny 的核心原理与实战技能,包括网络架构、数据标注、训练与测试、单目标与多...
2.1 可以直接使用的YOLO标签格式的DOTA数据集 特别感谢该博主提供的数据集,我已经测试过该数据集在Yolo-v4和Yolo-v4-Tiny上的可靠性,该数据集内已经包含训练集和验证集已经切割好的图片(都在images文件夹内)与对应的YOLO格式的标签(都在labels文件夹内),同时保留了原来DOTA格式的标签(都在labelTxt文件夹内),关于D...