YOLOv4-pytorch训练自己的数据集

2020-12-17 14:00:02 阅读：2408 来源： 互联网

标签：xml YOLOv4 训练 py pytorch txt config

YOLOv4-pytorch训练自己的数据集

YOLOv4-pytorch介绍
环境配置
- 运行环境
- 安装依赖包
准备工作
训练
遇到的问题

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 &

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

标签：xml,YOLOv4,训练,py,pytorch,txt,config
来源： https://blog.csdn.net/lucifer479/article/details/111313208

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

YOLOv4-pytorch训练自己的数据集