深度学习之目标检测YOLOv4-tiny_yolo v4 tiny 检测-CSDN博客

本文链接：https://blog.csdn.net/qq_45867442/article/details/117413369

深度学习之目标检测YOLOv4-tiny

一.模型介绍

理论这里不过多介绍，推荐一篇大佬博文：
https://blog.csdn.net/weixin_44791964/article/details/107041297?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162242961416780357211665%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=162242961416780357211665&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_v2~rank_v29-1-107041297.first_rank_v2_pc_rank_v29&utm_term=Pytorch%E6%90%AD%E5%BB%BAYOLOv4-tiny%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B&spm=1018.2226.3001.4187

二.模型训练

2.1开发环境搭建

Anaconda创建虚拟环境编辑器pycharm 深度学习框架Pytorch python3.6

部分截图如下：
在这里插入图片描述

2.2 模型训练过程

第一步：下载代码到某一路径下，在pycharm中打开该文件夹；

第二步：数据准备。以VOC格式进行整理数据集，将标签文件放在文件夹下的Annotation中；将图片文件放在文件夹下JPEGImages中；在训练前利用voc2yolo4.py文件生成对应的txt；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：在运行train.py文件前需要务必在model_data下新建一个voc_classes_new.txt类别标签文档

第三步：运行train.py文件，训练完成会在logs文件夹生成权重文件，进行预测时记得修改yolo。py中的权重文件，运行predict.py文件即可进行预测。

三.检测结果

这里使用的是施工现场可穿戴设备的数据集。
在这里插入图片描述

四.硕士在读

本人研究方向为计算机视觉和知识图谱，本文也是自己从小白到真正实现一个项目的落地，仅供大家学习交流。最后我只是个普普通通的研究生而已（本科并不是计算机专业），很多知识都是靠研究生期间自学的并没有接受过系统的学习，另外由于本人研二在读，只能抽空余时间去写文章，所以效率比较低，还请大家见谅。如果有什么问题，可以直接留言有空我会回复的。

**打一波广告，本人知乎:**https://www.zhihu.com/people/shi-wo-89-57/zvideos

由于水平有限，文章中难免会有一些错误，有纰漏之处恳请各位大佬不吝赐教！有想要代码的小伙伴可以私信，大家一起学习交流。

在这里插入图片描述