系統環境
Centos7 opencv-4.1.0 gcc-4.8.5 cuda-10.0
CUDA安裝
具體可以參考博文Centos7離線安裝nvidia驅動的兩種方法，推薦使用方法2，編譯時需要ncvv，需添加如下環境變量到~/.bashrc
CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
opencv4安裝
這裏選用opencv-4.1.0 ，它和yolov4發佈的時間比較接近，理論上最新版也沒有問題
官方安裝文檔：https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html
安裝
注意**-D OPENCV_GENERATE_PKGCONFIG=ON** 須加上，YOLO編譯時用到，具體可以參考博客YOLOV4:opencv4編譯問題
cd opencv-4.1.0
mkdir build
cd build
cmake -D OPENCV_GENERATE_PKGCONFIG=ON -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install
測試
若有如下類似輸出，則安裝無誤
[javis@node4 build]$ pkg-config --cflags --libs opencv4
-I/usr/local/include/opencv4/opencv -I/usr/local/include/opencv4 -L/usr/local/lib64 -lopencv_dnn -lopencv_gapi -lopencv_ml -lopencv_objdetect -lopencv_photo -lopencv_stitching -lopencv_video -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_flann -lopencv_videoio -lopencv_imgcodecs -lopencv_imgproc -lopencv_core
YOLOv4安裝
Git地址：https://github.com/AlexeyAB/darknett
Linux安裝還是挺簡單，若你只使用默認配置，make一下就行了，但是爲了支持CUDA和OPENCV，需要額外配置一下，修改Makefile
GPU=1
CUDNN=1
OPENCV=1
訓練SeaShips數據集
SeaShips數據集：數據集共有7000張圖片，圖片分辨率均爲1920x1080，分爲六類船隻(數據地址)
生成cfg模型配置文件
複製darknet-master/cfg/yolov4-custom.cfg爲yolov4-ship.cfg，並修改部分參數，其他參數視情況而定
classes=6 #有3處都在[yolo]配置下，可以使用查找替換
filters=33 #有3處都在[yolo]配置上方，需要一個一個修改，其值=(classes + 5)x3)
max_batches = 12000 #其值=classes*2000
steps=9600,10800 #其值=(max_batches*0.8,max_batches*0.9)
數據文件
在darknet-master/data下新建文件ship.data，保存內容如下
classes= 6
train = data/train.txt
valid = data/test.txt
names = data/ship.names
backup = backup/
train和valid爲保存爲數據集劃分的內容；names爲類別名稱列表；backup爲保存訓練模型路徑
data/train.txt：(一行一張圖片地址，ship爲存放圖片的文件夾)
data/ship/000001.jpg
data/ship/000002.jpg
data/ship/000003.jpg
data/ship/000004.jpg
data/ship/000005.jpg
data/ship/000006.jpg
data/ship.names：(一行一個類別名稱)
ore carrier
container ship
bulk cargo carrier
general cargo ship
fishing boat
passenger ship
數據集的標籤與圖片在同一目錄，如 data/ship/006983.jpg對應的label爲data/ship/006983.txt
006983.txt：
1 0.091406 0.486574 0.130729 0.097222
1 0.788542 0.511574 0.051042 0.041667
一行一個object，分別表示框體的類別，框體中心x座標，框體中心的y座標，框體的寬，框體的高。這裏需要注意所有值都爲相對值，即座標和寬高都要除以圖片的寬高。voc->yolo數據集的轉換，yolo也提供了API函數，就是解析xml，然後進行座標轉換。
模型訓練
./darknet detector train data/ship.data cfg/yolov4-ship.cfg yolov4.conv.137
模型訓練就一行命令，加載對應配置文件，其中yolov4.conv.137爲模型的預訓練權重，訓練時會在當前目錄下生成模型的loss曲線圖(chart.png)
模型預測
./darknet detector test data/ship.data cfg/yolov4-ship.cfg backup/yolov4-ship_last.weights data/ship/006983.jpg -ext_output
以驗證集中的圖片006983.jpg爲例，程序運行完成會在當前目錄下生成預測圖片predictions.jpg
