使用yolov7模型用VOC深度学习

yolov7及VOC数据集、权重文件地址 

bubbliiiing/yolov7-pytorch: 这是一个yolov7的库，可以用于训练自己的数据集。 (github.com)

在colab中：

训练：

1  voc_annotation.py

如果使用配套VOC文件，annotation_mode     = 2

2 train.py 

更改预训练权重  model_path      = '/content/gdrive/MyDrive/models/yolov7-pytorch/logs/best_epoch_weights5a.pth'
可能需要更改：classes_path    = 'model_data/voc_classes.txt'

***    save_period         = 5  必须注意保存周期，防掉线，改小一些

预测：

1 yolo.py

"model_path": '/content/gdrive/MyDrive/models/yolov7-pytorch/logs/best_epoch_weights5a.pth',修改训练好的文件的为实际路径
"classes_path": 'model_data/voc_classes.txt',

2  predict.py

直接运行即可

评价： 

1  yolo.py

"model_path": '/content/gdrive/MyDrive/models/yolov7-pytorch/logs/best_epoch_weights5a.pth',修改训练好的文件的为实际路径
"classes_path": 'model_data/voc_classes.txt',

2  get_map.py 

可能需要更改：classes_path = 'model_data/voc_classes.txt'

注意："classes_path":保持一致！

在本地（CPU）（torch=1.2.0）：

Cuda=False 

注意：如果使用高版本torch，由于压缩格式不同，weights需要在高版本torch 下转换成较低版本。具体方法上篇博客有记录。