一、训练模型
1.1、数据准备
将 .xml
文件放到 ./VOCdevkit/VOC2007/Annotations
路径下
将图片数据放到 ./VOCdevkit/VOC2007/JPEGImages
路径下
注意:图片的格式是jpg格式
1.2、修改voc_classes.txt文件
修改成自己图片的类别,就比如说我这里的是cuke,lettuce,lotus_root
1.3、运行voc_annotation.py文件
运行voc_annotation.py文件生成./VOCdevkit/VOC2007/ImageSets
里面的.txt文件以及训练用的2007_train.txt
、2007_val.txt
文件
1.4、添加权重文件
在 ./model_data/
位置下添加权重文件 yolo4_weights.pth
权重文件链接:百度网盘 请输入提取码
1.5、运行train.py文件
训练的参数较多,均在train.py中,其中最重要的部分依然是train.py里的classes_path。
classes_path用于指向检测类别所对应的txt,这个txt和voc_annotation.py里面的txt一样!
修改完classes_path后就可以运行train.py开始训练了,在训练多个epoch后,权值会生成在logs文件夹中。
二、训练结果预测
训练结果预测需要用到两个文件,分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。
model_path指向训练好的权值文件,在logs文件夹里。
classes_path指向检测类别所对应的txt。
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。
2.1、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。
运行predict.py,输入
就可以进行图片检测了