摘要
这几天刚出的pytorch版本的yolo4,训练测试一下看下效果,pytorch yolo4连接,
数据集准备
第一步先生成yolo统一的格式txt文件,
import os
name=os.listdir('./image')
for i in range(len(name)):
name[i]='./coco/images/train2017/'+name[i]
file = open('./train2017.txt', 'w')
for i in range(len(name)):
file.write(name[i])
file.write('\n')
file.close()
生成train2017是遍历你自己的图像名称,一共有二个文件,分为训练集和验证集,我直接全训练集训练了,随便复制一点路径在生成一个testdev.txt文件即可。
xml转txt
生成一堆txt文件,每个对应一个xml文件生成。
yolo统一格式label xywh形式。
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = []
classes = ["wheat"]
# 原样保留。size为图片大小
# 将ROI的坐标转换为yolo需要的坐标
# size是图片的w和h
# box里保存的是ROI的坐标(x,y的最大值和最小值)
# 返回值为ROI中心点相对于图片大小的比例坐标,和ROI的w、h相对于图片大小的比例
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_add):
# image_add进来的是带地址的.jpg
image_add = os.path.split(image_add)[1] # 截取文件名带后缀
image_add = image_add[0:image_add.find('.', 1)] # 删除后缀,现在只有文件名没有后缀
print(image_add)
# 现在传进来的只有图片名没有后缀
in_file = open('./xml/' + image_add + '.xml')
out_file = open('./label/%s.txt' % (image_add), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
# 在一个XML中每个Object的迭代
for obj in root.iter('object'):
# iter()方法可以递归遍历元素/树的所有子元素
difficult = obj.find('difficult').text
# 找到所有的椅子
cls = obj.find('name').text
# 如果训练标签中的品种不在程序预定品种,或者difficult = 1,跳过此object
if cls not in classes or int(difficult) == 1:
continue
# cls_id 只等于1
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
# b是每个Object中,一个bndbox上下左右像素的元组
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
image_adds=os.listdir('./image')
for image_add in image_adds:
# print(image_add)
image_add = image_add.strip()
# print (image_add)
convert_annotation(image_add)
主需要二处需要修改,image是我的图像目录,xml文件夹下是我自己的xml文件存放处,label是生成txt文件的位置。
yolo4代码修改
我训练的是yolov4-pacsp-x-mish.cfg,所以需要修改此文件
修改classes,我只有一类,就设置1,filters的计算等于(类别+5)*3,所以我的是18,一共有三处和这个一样,全部修改即可。
修改配置文件
默认配置文件选择的是data/coco2017.data,修改一下类别数量,和我在生成文件对位置进行了修改,路径是./coco。所以如下图所示
数据集位置
我路径设置的是./所以新建一个coco文件夹,将images/train2017/放置照片。labels/train2017/下放置txt文件。
训练
!python train.py --data coco2017.data --cfg yolov4-pacsp-x-mish.cfg --weights './weights/yolov4-pacsp-x-mish.pt' --name yolov4-pacsp-x-mish --img 640 640 640
看一下train里面就知道参数的意思。