【原创】YOLOV4 训练自己的训练集——人头检测

数据集准备

首先下载人头检测数据集：
在 https://github.com/HCIILAB/SCUT-HEAD-Dataset-Release 中下载 SCUT_HEAD_Part_B 数据集，里面是图片，组织形式已经和yolov4要求的一致，

PartA和PartB任意一份即可，下载后如下图

Annotations是存放标签xml文件
JPEGImage 存放图片
ImageSets 里面txt按行存放着图片名字
如
000001
000002
000003…

在darknet/build/darknet/x64/data里创建文件夹 VOCdevkit/VOC2007 然后把下载的数据放进去如图：【labels文件夹是下面步骤生成的】

制作yolov4需要的label以及txt

这个时候只用xml格式是不满足yolov4训练格式的，需要转成voc的标签，而这个代码也有给出。首先我的darknet是下载在D:/VSLib/darknet/中，如图：

打开路径下 darknet/build/darknet/x64/data/voc/voc_label.py，修改voc_label.py里面的内容。

第一步，删除在“sets”里带2012的，在classes数据写入自己的训练类别“head”

第二步，在路径前面添加”data/”

第三步，修改convert_annotation()函数

由于对图片中的人头做标记时的xml文件中给的标记”name”是person，而不是人头”head”，与我们自定义的classes不一致，因此在原始代码“if cls not in classes or int(difficult) == 1:”这句判断中，由于”person” 不等于 “head”会让循环 continue即跳过，也就是不会把xml的信息写入到txt中，这会导致转换失败。

因此我修改的思路是，由于训练集里面的人头给的name都是person，第一个思路就是代码不变，把xml文件中 “person“全部改为“head“。第二个思路就是，xml数据不变，在代码去掉这个名称的判断，“cls”变量直接赋为“head”。我采用的是第二个办法。

第二个问题就是代码运行时出现错误“ZeroDivisionError”，我输出每张照片的id后发现，在 PartB_00000.xml中确实有一张size是0。因此我的修改思路是增加一个判断，width大于0的（即有值的）才继续下一步，否则均一化的时候会出错。


代码更改如下图

第四步，运行.py文件。

把修改后的voc_label.py文件复制，放到D:\darknet根目录下而不是build文件夹，否则文件会生成在build/darknet/x64/data下面。然后cmd，输入

python voc_label.py

即可

执行完会在data文件夹下生成几个txt，data/VOCdevkit/VOC2007/下面会生成一个label文件夹。检查一下.txt文件是否有数据即成功生成，如果是0kb则要检查代码。

修改配置文件

1） 配置 head.data。

D:/VSLib/darknet/cfg/目录下复制coco.data，并且重命名为head.data。然后使用修改下面以下内容。注意backup路径那里不要写成 “backup/”，会报路径错误，另外backup文件夹自己在D:/VSLib/darknet下新建出来先。


【注意在配置文件中不要写注释，并不是python文件，路径使用 “/”。变量含义可以参考下图。】

2）配置 head.names。

D:/VSLib/darknet/cfg/目录下复制coco.names，并且重命名为head.names。改成自己类别的名称，就写一行“head”。

3）配置 yolov4-head.cfg

复制cfg/yolov4-custom.cfg，并且重命名为yolov4-head.cfg，同时修改一下内容。Batch初始是64，可以先不改，我运行的时候会报错memory不足，所以修改小一些到16，网上说要4的倍数。
修改width和height为416，修改最大batch迭代多少个数max_batches = 6000，修改steps多久学习率下降一次，一般设置为max_batch个数的80%和90%。

另外修改三个classes的地方，修改为1。