使用yolov4训练识别模型

1.安装labelimg，使用labelimg工具对图片进行打标处理

安装代码如下

用anaconda命令行打开:

打开命令行或终端:

创建一个新的Python 3.8虚拟环境：
conda create --name labelimg python=3.8

激活虚拟环境：
conda activate labelimg

在虚拟环境中安装labelimg：
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

运行labelimg：
labelimg
2.使用yolov4-pytorch-master进行模型训练

实验步骤:

将自己的数据集准备好图片放在yolov4-pytorch-master\VOCdevkit\VOC2007\JPEGImages中

用labelimg打的标签放在yolov4-pytorch-master\VOCdevkit\VOC2007\Annotations中

在yolov4-pytorch-master\model_data添加自己的识别类

更改路径

运行voc_annotation.py得到如图两个文件

去train.py中修改classes_path（我这边是fruit_classes.txt）

classes_path    = 'model_data/fruit_classes.txt'
如果训练集图片不够多的话那就适当调节参数

我的图片数量较少
Freeze_batch_size   = 1
UnFreeze_Epoch      = 35

运行train.py得到自己的模型位置

修改yolo.py中的路径

model_path路径改成训练的模型路径

classes_path路径保持一致

如果预测图片没出现框框就降低置信度（confidence）多降些就行
3.使用predict.py进行预测

输入图片路径

注意安装的Pillow版本最好是9.5.0版本，因为pillow这个模块在10.0.0以后的版本textsize属性给删除了，如果还想用这个属性，就需要将pillow的版本降低，安装特定的版本。先卸载当前的版本，然后pip install pillow==9.5.0版本，或更早的版本。