YoloV4模型 yolov4-pytorch训练自己的数据集

说明：基于yolov4代码，使用自己标注的数据集进行训练，得到训练好的模型，使用测试图片对结果进行检测展示。

学习基于yolov4代码训练自己的数据集前，推荐可以先学习Pytorch实现YOLOv3训练自己的数据集，以便更容易实现。（可以自己查找相关资料，向大佬们学习）

推荐如下：

B站博主：

http://【Pytorch 搭建自己的YOLO3目标检测平台（Bubbliiiing 深度学习 教程）】 https://www.bilibili.com/video/BV1Hp4y1y788/?share_source=copy_web&vd_source=c8d64fa1616ec9b99afff46dc51eec94

http://【Pytorch 搭建自己的YoloV4-tiny目标检测平台（Bubbliiiing 深度学习 教程）】 https://www.bilibili.com/video/BV18h411d7by/?share_source=copy_web&vd_source=c8d64fa1616ec9b99afff46dc51eec94

文章：

http://t.csdnimg.cn/AYKUt

http://t.csdnimg.cn/Mk7Na

http://t.csdnimg.cn/6G09w

一、准备数据集

本文训练前已制作好数据集，训练前将标签文件放在VAnnotation中。

将图片文件放在JPEGImages中。

由上可知：JPEGImages：用来存放图片；Annotations：图片对应的xml

二、处理数据集

在完成数据集的准备之后，为了获得训练用的2007_train.txt以及2007_val.txt，需要用到根目录下的voc_annotation.py。

voc_annotation.py里面有一些参数需要设置，第一次训练可以仅修改classes_path.

遇到的错误警示：

数据集存放的文件夹路径与图片名称中不可以存在空格，否则会影响正常的模型训练，请注意修改

在数据集中并未获得任何目标，可能未修改classes_path自己对应的数据集

本文为训练自己的数据集，则自己建立了cls_classes.txt，里面写自己所需要区分的类别。
修改model_data里面voc的类别中的类别标签为自己类别
 

三、训练数据

注意：classes_path用于指向检测类别所对应的txt，和voc_annotation.py里面的txt一样，需要修改classes_path自己对应的数据集。

修改自己建立的classes_path后运行train.py训练，训练后权值会生成在logs文件夹中。

四、训练预测结果

训练结果预测需要用到两个文件，分别是yolo.py和predict.py。

注意：使用自己的数据集训练需要去yolo.py里面修改model_path以及classes_path

由上可知：model_path指向训练好的权值文件，在logs文件夹里；classes_path指向检测类别所对应的txt。

运行predict.py进行检测后输入图片路径即可检测。