YOLOV4训练自己数据集过程

素颜马尾好姑娘i 2022-11-01 05:37 254阅读 0赞

# 源码 #

**tensorflow和keras框架：**  
[https://github.com/bubbliiiing/yolov4-keras][https_github.com_bubbliiiing_yolov4-keras]

# 标注数据集 #

参考我的另外一篇文章：  
[Win10中用yolov3训练自己的数据集全过程——Tensorflow/Keras版本][Win10_yolov3_Tensorflow_Keras]

# 训练步骤 #

1、本文使用VOC格式进行训练。  
2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。

3、在训练前利用test.py文件生成对应的txt。  
4、再运行根目录下的voc\_annotation.py，运行前需要将classes改成你自己的classes。注意不要使用中文标签，文件夹中不要有空格！

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

5、此时会生成对应的2007\_train.txt，每一行对应其图片位置及其真实框的位置。  
6、在训练前需要务必在model\_data下新建一个txt文档，文档中输入需要分的类，在train.py中将classes\_path指向该文件，示例如下：

classes_path = 'model_data/my_class.txt'

model\_data/my\_class.txt文件内容为：

cat
    dog
    ...

8、运行train.py即可开始训练。

# 测试 #

运行predict.py，输入

img/street.jpg

在predict.py里面进行设置可以进行fps测试和video视频检测

# map计算 #

评估过程可参考视频[https://www.bilibili.com/video/BV1zE411u7Vw][https_www.bilibili.com_video_BV1zE411u7Vw]  
步骤是一样的，不需要自己再建立get\_dr\_txt.py、get\_gt\_txt.py等文件。

本文使用VOC格式进行评估。

*  1、评估前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
 *  2、评估前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
 *  3、在评估前利用voc2yolo4.py文件生成对应的txt，评估用的txt为VOCdevkit/VOC2007/ImageSets/Main/test.txt，需要注意的是，如果整个VOC2007里面的数据集都是用于评估，那么直接将trainval\_percent设置成0即可。
 *  4、在yolo.py文件里面，在如下部分修改model\_path和classes\_path使其对应训练好的文件；model\_path对应logs文件夹下面的权值文件，classes\_path是model\_path对应分的类。
 *  5、运行get\_dr\_txt.py和get\_gt\_txt.py，在./input/detection-results和./input/ground-truth文件夹下生成对应的txt。
 *  6、运行get\_map.py即可开始计算模型的mAP。

[https_github.com_bubbliiiing_yolov4-keras]: https://github.com/bubbliiiing/yolov4-keras
[Win10_yolov3_Tensorflow_Keras]: https://blog.csdn.net/mao_hui_fei/article/details/104442097
[https_www.bilibili.com_video_BV1zE411u7Vw]: https://www.bilibili.com/video/BV1zE411u7Vw