问题标签 [yolov4]

我正在尝试使用 OpenCV 和 YOLOv4 / YOLOv4 微小权重和 .cfg 来进行对象检测预测。我的代码不想运行并在

我需要在我的机器上安装 Darknet 才能正常工作吗？我假设我可以在没有这个的情况下将导出的权重和 cfg 与 OpenCV 一起使用？

我在我的机器上安装 Darknet 时遇到问题，因为我没有管理员权限。有没有解决的办法？我可以使用 ONNX 文件吗？

暗网训练命令darknet.exe detector train data/obj.data yolo-obj.cfg yolov4.conv.137产生错误：无法在我的 Windows 10 设备上打开文件：data/obj.data。

我已按照“如何训练（检测您的自定义对象）”下的 AlexeyAB README 文件中的说明进行操作。

yolo-obj.cfg 已相应配置。我在 darknet/cfg 文件夹中有它。

darknet.exe 已成功构建。

我有 10 个自定义课程：

obj.data文件（在 darknet/data 文件夹中）

obj.names文件（在 darknet/data 文件夹中）

我在 darknet/data 文件夹中有我的 train.txt 文件，其中包含以下内容：

我的 yolov4 权重在主要的暗网文件夹中。

我尝试在每个文件中同时使用相对路径和绝对路径，也尝试在 build/darknet/x64 文件夹中配置所有内容（一位就 Darknet discord 问题提出建议的 Darknet 开发人员实际上告诉我，darknet/data 文件夹在训练您的自定义数据时应该使用而不是 darknet/build/darknet/x64 文件夹！） - 无论我做什么，我总是会收到错误：

无法打开文件：data/obj.data

• 我是否应该在我的 train.txt 文件中添加绝对路径（尽管我确实尝试过，但仍然没有用）；
• 我的 obj.data 文件是我用记事本打开的普通 txt 文件。

任何人都有同样的问题或对可能出现的问题有一些直觉？

我正在使用 YOLOv4-tiny + TensorRt 开发 Jetson Nano。我用AlexeyAB Darknet训练了我的模型。除了后期和预处理之外，我还需要最优化的性能来检测 40 fps。这些帧是从 4 个流中捕获的。当检测功能被调用时（例如这里），并且在 gpu 中加载的图像仍在使用 cpu？我想在前一帧处于检测过程中时捕获下一帧。怎样才能做到这一点？我知道多线程不能同时运行线程，另一方面，多处理需要考虑共享内存来在进程之间传递帧。实现最佳性能的最佳实践解决方案是什么？

提前致谢！

当我试图将我的 yolov4-tiny 自定义权重转换为 tftile 时，它​​总是会发生。

这是我输入的：

并出现错误消息。

我检查了我的标签.txt，没有空格或更多行。另外，我在 config.py 中更改了名称。

有没有办法解决这个问题？

感谢帮助！

附上我的部分代码，希望对您有所帮助。

这里是github：https ://github.com/piggychu0w0/food-image-detection

.cfg：

.名称：

我正在尝试使用 Darknet 框架和 Yolov4 训练自定义数据集。我建立了自己的数据集，但在 google colab 中收到了 Out of memory 消息。它还说“尝试将细分更改为64”或类似的东西。我已经搜索了主要 .cfg 参数的含义，例如批处理，细分等，我可以理解增加细分数量意味着在处理之前拆分成更小的“图片”，从而避免致命的“CUDA out of memory” ”。确实切换到 64 效果很好。现在我在任何地方都找不到最终问题的答案：最终的重量文件和准确性是否“受损” 通过做这个？更具体地说，对最终结果的影响是什么？如果我们抛开训练时间（因为有更多的细分要训练，肯定会增加），准确率会如何？

换句话说：如果我们使用完全相同的数据集并使用 8 个细分进行训练，然后使用 64 个细分做同样的事情，那么 best_weight 文件是否会相同？对象检测成功率会相同还是更差？谢谢你。

如果您的配置指定输入​​大小为 416x416，并且您传入一个大小为 200x300 的图像或其他大小的图像，它会被放大和插值还是只是被填充？

我指的是这段代码。用于设计 YOLOv4。我有一个关于制作backbone().(=CSPDarkNet53= CSPNet + DarkNet53)

代码在 (yolov4 > models.py)

问题是 DownSample2()

他们做了一个ResBlock()类，用来做一个DownSample2()图层。

在ResBlock()中，有一个for这样的循环：

他们正在尝试使用Conv_Bn_Activation具有不同步幅 1 和 3的层来重复这些层，并附nblocks加到nn.ModuleList()。

它似乎直接附加到“resblock_one's ModuleList()”，最后进入“self.module_list's ModuleList()”，对吧？那么，为什么他们不直接附加到 self.moudle_list 呢？

它会产生一些不同的效果，或者我的方式是错误的。我是说：

这段代码可以代替上面的吗？

现在，我明白了……在“前进”中，他们想部分使用对吗？

我目前正在使用来自 AlexeyAB Github 的 yolov4 darknet 训练数据集： https ://github.com/AlexeyAB/darknet

我正在训练的数据集称为 FishNet Open Images。该数据集有 86,029 张图像，每张图像中有 5 个边界框。它有34个班级。目前，我进行了 1561 次迭代，训练很快从现在的 2000 左右的平均误差损失下降到 0.000 相当快。这应该是正常的吗？我觉得我做错了什么！我使用大约 85% 的图像作为训练集，另外 15% 作为验证集。

我的 train.txt 和 test.txt 文件正确，我的 obj.data 正确。我将注释更改为 yolo 格式并配置了 .cfg 文件，如下所示

这是我的 obj.data

这是图表

当我检测到我的 tflite 文件时，问题就发生了。

我写的命令。

和错误的信息：

这是相关代码。（core/utils.py）

我已将其更改为

由于它没有出错，它仍然没有显示图像。

有没有人有任何想法来解决它？谢谢你的帮助！

这是我的文件：https ://github.com/piggychu0w0/food-image-detection

我想检测比只检测 80 个对象的 coco 数据集更多的对象，我想检测尽可能多的动作，比如拥抱、游泳......等等。

我不关心大小，我不想训练自己......那么是否有足够大的数据集（权重）可供我下载和使用，或者我必须为 yolo 训练和标记？