2021年2月7日更新：
仔细对照了darknet库的网络结构，发现P5_Upsample和feat1的顺序搞反了，已经调整，重新训练了权值，加入letterbox_image的选项，关闭letterbox_image后网络的map得到提升。
- 性能情况 Performance
- 所需环境 Environment
- 注意事项 Attention
- 小技巧的设置 TricksSet
- 文件下载 Download
- 预测步骤 How2predict
- 训练步骤 How2train
- 参考资料 Reference
| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |
|---|---|---|---|---|---|
| VOC07+12+COCO | yolov4_tiny_weights_voc.h5 | VOC-Test07 | 416x416 | - | 77.5 |
| COCO-Train2017 | yolov4_tiny_weights_coco.h5 | COCO-Val2017 | 416x416 | 21.8 | 41.3 |
tensorflow-gpu==1.13.1
keras==2.1.5
代码中的yolov4_tiny_weights_coco.h5和yolov4_tiny_weights_voc.h5是基于416x416的图片训练的。
在train.py文件下：
1、mosaic参数可用于控制是否实现Mosaic数据增强。
2、Cosine_scheduler可用于控制是否使用学习率余弦退火衰减。
3、label_smoothing可用于控制是否Label Smoothing平滑。
训练所需的yolov4_tiny_weights_coco.h5和yolov4_tiny_weights_voc.h5可在百度网盘中下载。
链接: https://pan.baidu.com/s/1XNGVKgsoqkvYgFeqCfNHoA 提取码: ygcs
- 下载完库后解压，在百度网盘下载yolov4_tiny_voc.h5，放入model_data，运行predict.py，输入
img/street.jpg- 利用video.py可进行摄像头检测。
- 按照训练步骤训练。
- 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类。
_defaults = {
"model_path": 'model_data/yolov4_tiny_weights_coco.h5',
"anchors_path": 'model_data/yolo_anchors.txt',
"classes_path": 'model_data/coco_classes.txt,
"score" : 0.5,
"iou" : 0.3,
# 显存比较小可以使用416x416
# 显存比较大可以使用608x608
"model_image_size" : (416, 416)
}- 运行predict.py，输入
img/street.jpg- 利用video.py可进行摄像头检测。
- 本文使用VOC格式进行训练。
- 训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
- 训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
- 在训练前利用voc2yolo4.py文件生成对应的txt。
- 再运行根目录下的voc_annotation.py，运行前需要将classes改成你自己的classes。注意不要使用中文标签，文件夹中不要有空格！
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]- 此时会生成对应的2007_train.txt，每一行对应其图片位置及其真实框的位置。
- 在训练前需要务必在model_data下新建一个txt文档，文档中输入需要分的类，在train.py中将classes_path指向该文件，示例如下：
classes_path = 'model_data/new_classes.txt' model_data/new_classes.txt文件内容为：
cat
dog
...- 运行train.py即可开始训练。
更新了get_gt_txt.py、get_dr_txt.py和get_map.py文件。
get_map文件克隆自https://github.com/Cartucho/mAP
具体mAP计算过程可参考：https://www.bilibili.com/video/BV1zE411u7Vw
https://github.com/qqwweee/keras-yolo3/
https://github.com/Cartucho/mAP
https://github.com/Ma-Dan/keras-yolo4