使用yolov4训练识别模型

1.安装labelimg，使用labelimg工具对图片进行标注

安装：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

运行：

2.数据集处理

将训练数据集准备的图片放入yolov4-pytorch-master\VOCdevkit\VOC2007\JPEGImages中后，在labelimg中打开JPEGImages目录，对图片进行标注。本次我标注的图片共100张。

标注好后将标签放入目录yolov4-pytorch-master\VOCdevkit\VOC2007\Annotations中

训练自己的数据集，可以自己建立一个face_classes.txt,里面写自己所需要区分的类别。

比如我model_data/face_classes.txt文件的内容为：

修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。

3. 开始网络训练

去train.py中修改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。

4. 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。