前言

darknet框架是纯C语言的，适合运行在编译环境下，目前深度学习目标检测性能十分好的yolo系列也是可以运行在这个框架下的，接下来我就总结一下darknet训练自己的数据——yolo v3/yolo v4。

darknet训练自己的数据——yolo v3/yolo v4

打标签

同之前的keras版本yolo v3打标签方式，具体见我之前的链接：

，只参考其中一、制作自己的VOC格式训练集——打标签（labelImg软件） 即可。

准备其他

1 、obj.names

该文件中保存的是检测物体的名称。假设有一个车辆检测的项目，检测有没有车辆。那么obj.names文件中就这样写：

car

每一类名称独占一行，这样是为了方便读取文件中的内容，我们只需要通过换行符就可以轻松分割并读取obj.names中每个类别的名称。

1 、obj.data

obj.data 该文件中保存着五类信息：类别数量，训练集，验证集，类别名称和保存权重的文件

classes= 2                        # 2表示数据集中只有两类可检测的物体train  = data/train.txt           # 表示保存训练数据集的地址test= data/test.txt            # 表示保存验证数据集的地址names = data/obj.names            # 表示可检测物体的名称backup = backup/                  # 表示保存训练权重的文件

obj.data文件其实就是一个汇总文件，yolov4需要的数据集地址，数据集标签以及信息的时候就是从这个文件中得到的。该文件涉及的内容在上下文都有涉及，这里就不再赘述。