使用yolox进行目标检测（一）

 概要：作为机器学习入门级选手，本篇文章主要是使用源代码来跑通自己的数据集，先大概看懂源代码然后尝试一下跑通较小的数据集，后续会增加数据集来设计界面来制作简易垃圾系统。

一、代码下载

源代码来自：GitHub - bubbliiiing/yolox-tf2: 这是一个yolox-tf2的源码，可以用于训练自己的模型。

直接下载git软件，打开cmd，切换到要下载的目录然后输入如下

git clone 要下载代码的网址

我是下载到D盘的，如下

二、创建环境以及安装相应库

到Anaconda的envs目录里创建文件夹，在cmd中切换到刚创建的文件夹，然后输入如下代码，安装tensorflow,这里使用python3.7版本（开始使用3.9版本的，结果库安装老是出错）

conda create -n tensorflow python=3.7

打开requirements.txt，作者把要安装的库全部都放进去了，直接“pip install 库名”就好了

三、数据集替换

将自己要跑的数据集进行替换放到如下目录，图片和标签顺序要对应，要求VOC格式

 在自己建立的文件夹中放自己数据集区分类别的名字，如下我的数据集目前只有贝壳一类

 四、生成训练集和测试集文件

1.修改voc_annotation.py和yolo.py里面的参数classes_path，classes_path用于指向检测类别所对应的txt, 也就是刚刚放数据集区分类别的文件夹，如上就是voc_classes.txt.

2.将权重文件下载至model_data目录中，权重文件作者有给，在README.md中，可自行下载。

 3.运行voc_annotation.py生成测试集和训练集文件2007_train.txt和2007_val.txt

五、训练数据集

在train.py中可以修改网络参数，如eager模式、冻结网络训练、训练的批次大小以及学习率都可以根据效果自行调整。

运行train.py

 六、预测

运行predict.py可以预测图片，修改其中参数，可以进行视频检测

我把摄像头关了，所以是黑的，打开就可以实时检测了