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。