源码
tensorflow和keras框架:
https://github.com/bubbliiiing/yolov4-keras
标注数据集
参考我的另外一篇文章:
Win10中用yolov3训练自己的数据集全过程——Tensorflow/Keras版本
训练步骤
1、本文使用VOC格式进行训练。
2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
3、在训练前利用test.py文件生成对应的txt。
4、再运行根目录下的voc_annotation.py,运行前需要将classes改成你自己的classes。注意不要使用中文标签,文件夹中不要有空格!
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
5、此时会生成对应的2007_train.txt,每一行对应其图片位置及其真实框的位置。
6、在训练前需要务必在model_data下新建一个txt文档,文档中输入需要分的类,在train.py中将classes_path指向该文件,示例如下:
classes_path = 'model_data/my_class.txt'
model_data/my_class.txt文件内容为:
cat
dog
...
8、运行train.py即可开始训练。
测试
运行predict.py,输入
img/street.jpg
在predict.py里面进行设置可以进行fps测试和video视频检测
map计算
评估过程可参考视频https://www.bilibili.com/video/BV1zE411u7Vw
步骤是一样的,不需要自己再建立get_dr_txt.py、get_gt_txt.py等文件。
本文使用VOC格式进行评估。
- 1、评估前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
- 2、评估前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
- 3、在评估前利用voc2yolo4.py文件生成对应的txt,评估用的txt为VOCdevkit/VOC2007/ImageSets/Main/test.txt,需要注意的是,如果整个VOC2007里面的数据集都是用于评估,那么直接将trainval_percent设置成0即可。
- 4、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。
- 5、运行get_dr_txt.py和get_gt_txt.py,在./input/detection-results和./input/ground-truth文件夹下生成对应的txt。
- 6、运行get_map.py即可开始计算模型的mAP。