win10下yolov4 keras/tensorflow版本训练口罩数据集并测试、完成摄像头采集自己人脸对表情的实时分类判读

1、yolo原理

见上一篇博客

2、采用yolov4对口罩数据集正负样本划分、模型训练和测试

①下载口罩数据集和yolov4代码包

②由于该数据集中有xml文件，所以直接将xml文件复制到下面这个位置

③将训练图片复制到以下位置

④划分数据集
代码如下：

import os
import numpy as np
import codecs
import json
from glob import glob
import cv2
import shutil
from sklearn.model_selection import train_test_split
labelme_path = "D:\\kouzhao\\mask\\train" + os.sep  # 原始labelme标注数据路径
saved_path = "D:\\kouzhao\\mask\\train" + os.sep + "VOC2007" + os.sep  # 保存路径

# 2.创建要求文件夹
if not os.path.exists(saved_path + "Annotation"):
    os.makedirs(saved_path + "Annotations")
if not os.path.exists(saved_path + "JPEGImages" + os.sep):
    os.makedirs(saved_path + "JPEGImages" + os.sep)
if not os.path.exists(saved_path + "ImageSets" + os.sep + "Main" + os.sep):
    os.makedirs(saved_path + "ImageSets" + os.sep + "Main" + os.sep)

txtsavepath = saved_path + "ImageSets" + os.sep + "Main" + os.sep
ftrainval = open(txtsavepath + os.sep + 'trainval.txt', 'w')
ftest = open(txtsavepath + os.sep + 'test.txt', 'w')
ftrain = open(txtsavepath + os.sep + 'train.txt', 'w')
fval = open(txtsavepath + os.sep + 'val.txt', 'w')


# 需要修改路径
total_files = glob("D:\\kouzhao\\mask\\train" + os.sep + "VOC2007" + os.sep + "Annotation" + os.sep + "*.xml")
total_files = [i.split(os.sep)[-1].split(".xml")[0] for i in total_files]

trainval_files = []
test_files = []

trainval_files, test_files = train_test_split(total_files, test_size=0.1, random_state=55)

for file in trainval_files:
    ftrainval.write(file + "\n")

train_files, val_files = train_test_split(trainval_files, test_size=0.1, random_state=55)
# train
for file in train_files:
    ftrain.write(file + "\n")
# val
for file in val_files:
    fval.write(file + "\n")
for file in test_files:
    print(file)
    ftest.write(file + "\n")

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

划分结果，将生成以下txt文件：

⑤复制以下文件到yolov4项目中


⑥添加类别信息


⑦运行以下两个代码


⑧运行train.py，生成权重文件，我设置的训练轮数为5，这里需要等待一段时间



⑨训练完成，将生成以下文件：

⑩加载权重，修改以下地方的内容：

⑪将测试照片导入项目中

⑫运行predict.py进行预测测试

运行结果：

3、调用摄像头采集自己的人脸对表情实时分类判读

①运行video.py,调用摄像头测试自己的人脸

②结果：

4、查看loss曲线和val_loss曲线变化

①输入以下内容：

②点击该链接：

③结果如下：

5、总结

可以看到loss曲线和val_loss曲线都呈下降趋势，所以该训练网络正常，训练结果还算比较好，但是由于训练轮数或者训练照片过少，有漏掉目标的情况，后续我会改善这些地方，提高模型的精确度。

6、参考链接

①https://blog.csdn.net/shuaigeek/article/details/105210500
②https://blog.csdn.net/Dongjiuqing/article/details/84763430