使用yolov4训练模型

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