yolov4进行模型训练以及图像识别

模型训练：

1.使用labelimg.exe进行特征标记

可使用按钮对xml保存路径进行更改。

2.更改voc_classes.txt中的特征类型，需与labelimg.exe中为图片标记的类型一致

如：

Weslie
Tibbie
Paddi
Sparky
Jonie
slowy

3.生成TXT文件(运行voc_annotation.py)

annotation_mode = 0

4.更改train.py的优化器和迭代次数

optimizer_type = "adam"
# SGD需要更长的时间收敛，因此设置较大的UnFreeze_Epoch
# Adam可以使用相对较小的UnFreeze_Epoch

UnFreeze_Epoch = 100 
# 迭代次数

运行train.py等待训练完成

图像检测：

1.更改yolo.py中

"model_path" : 'model_data/goat.pth'

# "model_path" 表示权值文件路径，此处为本人自己训练出的模型路径

"confidence" : 0.1

# "confidence" 表示置信度，大于0.1的才会被保留下来

附模型链接：last_epoch_weights.pth官方版下载丨最新版下载丨绿色版下载丨APP下载-123云盘123云盘为您提供last_epoch_weights.pth最新版正式版官方版绿色版下载,last_epoch_weights.pth安卓版手机版apk免费下载安装到手机,支持电脑端一键快捷安装https://www.123pan.com/s/zqdQjv-hbEt.html

2.更改coco_classes.txt中的检测类型

如：

Weslie
Tibbie
Paddi
Sparky
Jonie
slowy

3.运行predict.py

交互式终端中出现

'Input image filename:'

时，键入需检测图片的相对地址，按“Enter”键确定，得到检测结果：