（深度学习作业）基于yolov4模型训练自己的数据集

1.准备数据集： 需要收集用于训练的数据集。数据集应该包含正面样本（含有目标的对象）和负面样本（不含有目标的对象）。确保所有图像都已正确标记，并将其分为训练集、验证集和测试集。

其中使用到需要用到 labelImg，在 labelImg → data 文件夹里有 predefined_classes.txt 文件，将内容修改为你的目标

如图：

【Open Dir】打开图片所在文件夹；

【Change Save Dir】设置保存标记文件目录，默认和图片一个目录，也要放在一个目录的；

标注错了也没有关系，右键菜单可修改。

图片文件和对应的标注结果 txt 文件要放在一起。

2.模型训练：

1.下载yolov4官方源代码

 https://github.com/AlexeyAB/darknet yolov4.weight 与 yolov4.conv.137

我使用的是上课老师给的yolov4代码

2.配置好yolov4运行所需要的环境以及所需的库

3.通过golov的train.py进行

3.模型测试：

运行voc_annotation.py代码

predict.py

放张测试图片如下：

效果还是不错的

4.实验心得：

1.通过实验，更多理解了yolov4模型的训练。
2.能熟练运用pycharm，labelImg工具，进行数据集准备和模型训练等过程，其中不少磕磕碰碰，让我积累许多经验。
3.遇到困难时，通过上网查询，询问老师和同学，能使问题得到一定程度的解决。