YOLO V4代码理解(未完待续)


用自己的数据集调试了YOLOV4,下面是按照运行顺序来写的对各函数的理解

1. voc2faster-rcnn.py

这个函数的功能是生成trainval.txt,train.txt,val.txt和test.txt,并将生成的文件存放在数据集的ImageSets/Main文件夹中,代码及其注释如下

import os
import random 
 
xmlfilepath=r'./VOCtrain/VOC2007/Annotations'      # 标记文件
saveBasePath=r"./VOCtrain/VOC2007/ImageSets/Main/" # 保存路径
 
trainval_percent=1   # 设置trainval和train数据的比例,通常trainval,train,val的比例为6:2:2
train_percent=0.9    # 我这里暂时数据不够,所以修改了比例

## 读取文件
temp_xml = os.listdir(xmlfilepath)
total_xml = []
for xml in temp_xml:
    if xml.endswith(".xml"):
        total_xml.append(xml)

num = len(total_xml)  # 读取数据长度
list = range(num)     # 生成长度为num的列表
tv = int(num*trainval_percent)  # 计算trainval的数据数量
tr = int(tv*train_percent)      # 计算train的数据数量
trainval = random.sample(list,tv)  # 打乱列表顺序,随即排列;
train = random.sample(trainval,tr) # 训练时尽量打乱数据集的顺序,
                                   # 因为我们自己标记的数据集,有时候连续的数据间会存在一定关系,影响和训练结果
## 显示 保存数据
print("train and val size",tv)
print("traub suze",tr)
ftrainval = open(os.path.join(saveBasePath,'trainval.txt'), 'w')  # 设置个文件的保存路径和名称
ftest = open(os.path.join(saveBasePath,'test.txt'), 'w')  
ftrain = open(os.path.join(saveBasePath,'train.txt'), 'w')  
fval = open(os.path.join(saveBasePath,'val.txt'), 'w')  
 
for i in list:
    name=total_xml[i][:-4]+'\n'
    if i in trainval:           # 如果当前编号存在于trainval中,就把他写进trainval.txt文件
        ftrainval.write(name)  
        if i in train:          # 如果当前编号存在于trainval中且存在于train,就把他写进train.txt文件
            ftrain.write(name)
        else:
            fval.write(name)    # 如果存在于trainval但不在train中,就写进val
    else:  
        ftest.write(name)       # 如果不在trainval中,就写进test
  
ftrainval.close()  
ftrain.close()  
fval.close
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:原理与源码解析》,课程链接 https://edu.csdn.net/course/detail/29865【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!  代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码,具体内容包括:- YOLOv4目标检测原理- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器:BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《YOLOv4目标检测:原理与源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:《YOLOv4目标检测实战:训练自己的数据集》《YOLOv4-tiny目标检测实战:训练自己的数据集》《YOLOv4目标检测实战:人脸口罩佩戴检测》《YOLOv4目标检测实战:中国交通标志识别》建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值