1,首先下载yolov4模型文件,点击下载
2,准备数据集
在下载好的yolov4文件夹的同级目录下创建projects/YOLO文件夹,然后将自己标注好的数据放入文件夹,最后的目录结构如下图(为了方便,每个文件夹及文件中只保留了3条数据)
其中imgs文件夹下为原图像文件
lables文件夹是存放标签的文件夹,每个txt文件下的内容类似这样:
imgs.cache先不用管
train.txt和val.txt存放了训练集图像路径和验证集图像路径,二个txt文件下的内容均类似这样:
3,修改配置文件
修改data文件夹下的adnoc.yaml文件内容为自己的类别:
修改adnoc.yaml文件为如下形式:
第2,3行分别是训练集和验证集的路径,第6行为一共的类别数,第9行为各个类名组成的列表
4,执行下面命令进行训练:
$ python3 train.py --device 0 --batch-size 8 --data adnoc.yaml --cfg yolov4-csp.cfg --weights '' --name yolov4-csp
其中–device,–batch-size这两个参数可根据自己的显卡进行修改
训练好的模型存放在runs/exp25/weights文件夹下,你可能是exp1或者其它的文件夹名,下面保存了两个模型文件,一个是最新的last.pt,另一个是最优的best.pt
5,执行下面命令进行推理:
$ python3 detect.py --weights=runs/exp25/weights/best.pt
注意:
1,–weights要写自己训练后保存的模型路径
2,要将自己的测试图像放到inference/images文件夹下,推理后的图像会保存到inference/output文件夹下
Done!!!