yolo v4模型训练过程（超详细）

第一步：标注数据集

使用到的工具是labelimg，可以直接下载exe文件，我这边就不做演示了
因为博主之前做过TensorFlow objection detection 识别，就用了原来的标注的数据集，这样可以省下很多时间，而我们只需要将xml文件改为txt格式
格式如下

因为xml文件里面的格式是下面的
在这里插入图片描述
这里我会提供py代码（将网上的代码进行了更改）

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[('2012', 'train'), ('2012', 'val')]

classes = ["container_close", "container_open", "person"]

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(year, image_id):  # 转换这一张图片的坐标表示方式（格式）,即读取xml文件的内容，计算后存放在txt文件中。
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))  # 新建一个 label 文件夹，用于存放yolo格式的标签文件：000001.txt
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()  # 读取txt文件中 存放的图片的 id：000001
    list_file = open('%s_%s.txt'%(year, image_set), 'w')  # 新建一个 txt文件，用于存放 图片的绝对路径：/media/common/yzn_file/DataSetsH/VOC/VOCdevkit/VOC2007/JPEGImages/000001.jpg
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))  # 向 txt 文件中写入 一张图片的绝对路径
        convert_annotation(year, image_id)  # 转换这一张图片的坐标表示方式（格式）
    list_file.close()

这个代码执行完会生成2个文件和一个文件夹（这也是后期训练所要用到的东西）
在这里插入图片描述

第二步：修改配置文件

因为博客用的cmake编译，所以会有Release文件夹，我这边全程在x64/Release文件夹下面，如果你们没有用cmkae编译，你们只需要在x64进行（后期全程在x64文件夹下面）

首先进入data文件夹
在这里插入图片描述
复制这2个文件，然后把名字分别改成voc-ball.data和voc-ball.names
然后打开voc-ball.names，本来里面是20个类的名字，这边需要改成你训练类的名字（我这边训练3个类）

改完后保存退出，
然后打开voc-ball.data（按照我的对照改就行了）
在这里插入图片描述

接着进入cfg文件夹，复制yolov4-voc.cfg并重新命名为yolov4-ball.cfg，打开此文件，下面介绍如何改参数
batch不宜过大，过大显存会爆，导致不能训练
在这里插入图片描述
我们还需要改3个地方的classes（我用的是notepad++打开）搜索classes，然后classes前面都有对应的filters，这两个都要改，filters与classes的关系是filters = （classes +5） *3

改完之后保存

第三步开始训练

首先下载预训练yolov4.conv.137
（链接：https://pan.baidu.com/s/1GG-gwaU0DXC3pfA-kmtX0w
提取码：pqxr）
放到刚刚的目录下，

然后输入下方的命令，就可以训练了

darknet.exe detector train data\voc-ball.data cfg\yolov4-ball.cfg yolov4.conv.137 -map

在这里插入图片描述