用yolov4训练自己的目标检测模型-基于pytorch实现

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!!!