该目标检测学习自以下地址内容：
(6条消息) 睿智的目标检测30——Pytorch搭建YoloV4目标检测平台_Bubbliiiing的学习小课堂-CSDN博客_yolov4目标检测
https://blog.csdn.net/weixin_44791964/article/details/106214657(6条消息) 神经网络学习小记录-番外篇——常见问题汇总_Bubbliiiing的学习小课堂-CSDN博客https://blog.csdn.net/weixin_44791964/article/details/107517428GitHub - bubbliiiing/yolov4-pytorch: 这是一个YoloV4-pytorch的源码，可以用于训练自己的模型。https://github.com/bubbliiiing/yolov4-pytorch#%E6%80%A7%E8%83%BD%E6%83%85%E5%86%B5Bubbliiiing的个人空间_哔哩哔哩_bilibilihttps://space.bilibili.com/472467171 P.S.这部分内容够我学好久了，好多知识量呀！
so学习内容常学常更新
---------------------------------------------------------------------------------------------------------------------------
源码文件说明
数据集准备
①VOC数据集（此次代码学习用的就是VOC）
PASCAL VOC挑战赛是一个世界级的计算机视觉挑战赛，在VOC数据集中，我们将目标区分为20个类别，我上传的目标检测库和语义分割库（新版）的训练集格式均为VOC数据集格式。
对于目标检测来讲，VOC数据集有几种划分格式：
07+12：使用 VOC07 和 VOC12 的 train+val（共16551） 来训练，然后使用 VOC07 的 test（共4952） 测试
07++12：使用 VOC07 的 train+val+test（共9963） 和 VOC12的 train+val（共11540） 训练，然后使用 VOC12 的 test 测试，评估结果需要上传到官网。
07+12+COCO：先在COCO数据集的train上预训练，再使用 VOC07 和 VOC12 的 train+val（共16551）微调训练，然后使用 VOC07 的 test 测试
07++12+COCO：先在COCO数据集的train上预训练，再使用 VOC07 的 train+val+test 和 VOC12的train+val微调训练，然后使用 VOC12 的 test 测试，评估结果需要上传到官网。
在这里我提供07+12的训练集和测试集，我已经划分好了，直接使用即可。
07+12的训练集，使用 VOC07 和 VOC12 的 train+val（共16551） 来训练
链接: https://pan.baidu.com/s/1_oEfkFns6Kkq_vT3n0yWuQ 提取码: amgm
07+12的测试集，使用 VOC2007 的 test（共4952） 测试
链接: https://pan.baidu.com/s/161k99pa_QW0jA_n4UFpROA 提取码: aan2
②COCO数据集
MS COCO的全称是Microsoft Common Objects in Context，起源于微软于2014年出资标注的Microsoft COCO数据集，与ImageNet竞赛一样，被视为是计算机视觉领域最受关注和最权威的比赛之一。
对于目标检测来讲，常用的COCO数据集版本是2014和2017，其中2017版本的下载链接如下：
train_2017：http://images.cocodataset.org/zips/train2017.zip
val_2017：http://images.cocodataset.org/zips/val2017.zip
test_2017：http://images.cocodataset.org/zips/test2017.zip
训练集和验证集的标签：http://images.cocodataset.org/annotations/annotations_trainval2017.zip
需要注意的是，COCO数据集的测试集是没有公开标签的，因此要上传到服务器上才知道效果（我还没上传过，不太了解怎么上传，还挺麻烦的感觉）。如果想要训练COCO数据集，可以参考qqwweee的yolo3的github库，里面有读取对应训练用的txt的方法。
（上述内容出自作者：Bubbliiiing https://www.bilibili.com/read/cv10239076?spm_id_from=333.999.0.0 出处：bilibili）
运行结果
