YOLO v4训练自己数据集，计算mAP

版权说明：这是看Bubbliiiing大神的B站视频和博客，按照他的步骤，这个老哥人贼好。下面是他的博客地址
https://blog.csdn.net/weixin_44791964/article/details/106533581

1、训练自己的数据集

步骤：1-自己数据集准备，用labelImg画好标签（注意标签不要有空格）
2-在VOCdevkit/VOC2007下建立这三个文件夹。Annotations下面放xml标签，JPECImages下放jpg数据集，运行voc2yolo4.py（要改路径）生成Main文件下4个txt文件

3-打开model_data新建txt文件放入，我们自己分的类（我这里分了3类Without_Helmet, With_Helmet, ElcCars）

4-打开voc_annotation.py将classes=[“Without_Helmet”,“With_Helmet”,“ElcCars”]然后运行生成3个2007_ .txt文件

5-打开train.py修改.修改完后可以进行训练。

6-训练完成后修改yolo.py下的路径。model_path=’训练生成的log文件夹下的.h5权重文件‘，然后就可以运行predict.py文件了。video.py文件可以对视频进行检测

需要修改的地方：voc_annotation.py下classes=[“自己数据集要分的种类”]，
train.py下的先再model_data下新建txt文件放入我们分的种类，classes_path=“新建的txt文件”；别忘了权重文件.h5
yolo.py下model_path = “train.py”训练后生成的权重。
classes_path=“生成2007_train.txt文件”
下一步可以预测predict

遇到的问题：出现没有nets.nets问题，再掉用文件夹添加__init__.py文件；

2-mAP生成

1-运行VOC文件夹下的voc2yolo4.py文件修改如下。主要为了test.txt有数据

2-运行下面这三个文件（这里如果标签有空格就不行）

代码文件地址：https://download.csdn.net/download/qq_41264992/12971487