使用yolox训练自己的数据集并测试_yolox测试

1.首先给出yolox原模型的下载地址:

​​​​​​https://github.com/bubbliiiing/yolox-pytorch

百度网盘链接给出自己完整的模型（包括数据集以及权重文件）：

链接：https://pan.baidu.com/s/1JNjB42u9eGNhRjr1SfD_Tw 
提取码：otq0

2.训练模型：修改模型里面的数据集以及一些参数

1.选择配置好的深度学习环境

2.修改train.py里面的classes_path，将自己想要分类的类别填充进去

 3.修改权重文件

如果使用yolox_m作为初始权重来训练，需要将phi的值修改为m

4.修改冻结阶段和非冻结阶段的epoch 和batch_size,不启用冻结阶段

batch_size设置为8，因为设置为16之后发现爆显存了

epoch设置为600

5.划分训练集和测试集

为了省去不必要的麻烦，将自己的数据集名称改为VOC2007,放在VOCdevkit文件夹下面

 然后运行voc_annotation.py

会生成这些文件

里面是图片的路径，以及标注框的坐标

 6.在训练中遇到报错：Initializing libiomp5md.dll, but found libiomp5md.dll already

解决办法：

在训练代码的开头加上这一行代码：

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

 7.运行train.py,开始训练

 8.得到训练结果和权重文件

2.将训练好的模型来进行测试

1.在yolo.py里面修改分类路径以及损失最小的模型权重文件的路径

2.如果在训练的时候修改了phi，比如说训练使用的是yolox_m权重，那么测试的时候也要修改成对应的phi

 3.遇到报错:No module named 'onnx',有包没有导入 

直接点这个Install package onnx 

导入成功，报错解决 

4.运行predict.py,输入图片路径来进行测试

hat1.jpg

 得到测试结果

 hat2.jpg

得到测试结果

也可以使用摄像头或者视频来进行识别：修改一下mode的值

 看的出来，效果还是很好的。