YOLOv4-pytorch训练自己的数据集
YOLOv4-pytorch介绍
Github地址:argusswift/YOLOv4-pytorch:https://github.com/argusswift/YOLOv4-pytorch
这是基于darknet的YOLOv4结构的PyTorch版的复现,还提供了Mobilenetv3-YOLOv4、attentive YOLOv4等有用的模块,操作简便,易读性强。
环境配置
运行环境
- Nvida GeForce RTX 2080TI
- CUDA10.0
- CUDNN7.0
- windows or linux
- python 3.6
安装依赖包
pip3 install -r requirements.txt --user
准备工作
Git clone YOLOv4
git clone github.com/argusswift/YOLOv4-pytorch.git
准备数据集
该模型提供了三种支持数据格式(PASCAL VOC, COCO, Customer)。
下载PascalVOC/MSCOCO 2017数据集
PascalVOC:VOC 2012_trainval 、VOC 2007_trainval、VOC2007_test
MSCOCO 2017:train2017_img 、train2017_ann 、val2017_img 、val2017_ann 、test2017_img 、test2017_list
- 将数据集放至目录下,并更新config/yolov4_config.py中的"DATA_PATH"为数据集位置;
- (对于COCO数据集)使用utils/coco_to_voc.py将COCO数据类型转化为VOC数据类型;
- 使用utils/voc.py将PascalVOC的*.xml格式转化为*.txt格式或utils/coco.py将COCO的*.json格式转化为*.txt格式(Image_path xmin0,ymin0,xmax0,ymax0,class0 xmin1,ymin1,xmax1,ymax1,class1 …)。
准备自己的数据集
类似PascalVOC类型构建自己的数据集:
- VOC
- JPEGImage #原图片文件
- Annotations #标注*.xml文件
- ImageSets
- Main #训练、测试集
- train.txt
- test.txt
- 将图片放于JPEGImage文件夹下,标注文件放于Annotations文件夹下;
- 使用utils/xml_to_txt.py将训练集和测试集写入ImageSets/Main/*.txt;
- 使用utils/voc.py将PascalVOC的*.xml格式转化为*.txt格式或utils/coco.py将COCO的*.json格式转化为*.txt格式(Image_path xmin0,ymin0,xmax0,ymax0,class0 xmin1,ymin1,xmax1,ymax1,class1 …);
- 修改config/yolov4_config.py中Customer_DATA的NUM和CLASSES。
Customer_DATA = {
"NUM": 2, # your dataset number
"CLASSES": [
"name",
"flag"
], # your dataset class
}
下载权重文件
- Darknet预训练权重:YOLOv4;
- Mobilenet预训练权重:mobilenetv2, mobilenetv3(解压密码:args);
- 新建文件夹weight/,将权重文件放入;
- 在config/yolov4_config.py中修改MODEL_TYPE。
MODEL_TYPE = {
"TYPE": "YOLOv4"
} # YOLO type:YOLOv4, Mobilenet-YOLOv4 or Mobilenetv3-YOLOv4
训练
修改config/yolov4_config.py中的参数:
TRAIN = {
"DATA_TYPE": "Customer", # DATA_TYPE: VOC ,COCO or Customer
"TRAIN_IMG_SIZE": 416,
"AUGMENT": True,
"BATCH_SIZE": 8,
"MULTI_SCALE_TRAIN": False,
"IOU_THRESHOLD_LOSS": 0.5,
"YOLO_EPOCHS": 4000,
"Mobilenet_YOLO_EPOCHS": 120,
"NUMBER_WORKERS": 0,
"MOMENTUM": 0.9,
"WEIGHT_DECAY": 0.0005,
"LR_INIT": 1e-4,
"LR_END": 1e-6,
"WARMUP_EPOCHS": 2, # or None
}
训练指令:
python -u train.py --weight_path weight/yolov4.weights --gpu_id 0
或(nohup)
CUDA_VISIBLE_DEVICES=0 nohup python -u train.py --weight_path weight/yolov4.weights --gpu_id 0 > nohup.log 2>&1 &
或(使用–resume,自动调用last.pt)
CUDA_VISIBLE_DEVICES=0 nohup python -u train.py --weight_path weight/last.pt --gpu_id 0 > nohup.log 2>&1 &
测试
图片测试
for VOC dataset:
CUDA_VISIBLE_DEVICES=0 python3 eval_voc.py --weight_path weight/best.pt --gpu_id 0 --visiual $DATA_TEST --eval --mode det
for COCO dataset:
CUDA_VISIBLE_DEVICES=0 python3 eval_coco.py --weight_path weight/best.pt --gpu_id 0 --visiual $DATA_TEST --eval --mode det
视频测试
CUDA_VISIBLE_DEVICES=0 python3 video_test.py --weight_path best.pt --gpu_id 0 --video_path video.mp4 --output_dir --output_dir
遇到的问题
- evaluater.py找不到*.xml标注文件
FileNotFoundError: [Errno 2] No such file or directory: '/home/my/YOLOv4-pytorch/data/VOC/Annotations\\18_3_dets0.xml'
报错原因:路径地址不正确
解决方法:
1.检查yolov4_config.py中DATA_PATH地址是否正确
2.evaluater.py,221 改为 self.val_data_path, "Annotations/" + "{:s}.xml"
参考文献:
[1]: https://github.com/argusswift/YOLOv4-pytorch