YOLOV4训练自己数据集过程

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。