WIN10+Yolo4+Pytorch demo和训练

ytorch-yolov4做目标检测详细教程

1项目环境

WIN10+Python3.6+pytorch1.5

2项目连接传送门

论文
源码 直接把整个源码下载下来

3 数据准备

coco数据集

train2017下载
val2017
test2017
trainval2017：http://images.cocodataset.org/annotations/annotations_trainval2017.zip
trainval2017：http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
image_info_test2017：http://images.cocodataset.org/annotations/image_info_test2017.zip

数据路径配置以及标签生成

需要把coco数据集生成train.txt/val.txt文件，内容如下

image_path1 x1,y1,x2,y2,id1 x1,y1,x2,y2, id2...

原博客中对于上面的这段的含义没有解释，对于我这种初入目标检测的来说，除了第一个，后面的都看不懂。这边解释一下：images_path1 表示一张图片的路径（最好是绝对路径）， x1,y1,x2,y2,id1 分别表示的检测目标矩形框的左上角和右下角，id1表示该区域物品的类别。 后面的依次进行，一张图片里面有多少东西就写多少次。

作者真的很良心，这部分工作的代码在下载的项目里面有。
这个文件只需要修改下面三行的路径即可

环境配置

opencv

如果python不是最新版本的，不建议直接采用pip安装的方式。建议到下面的链接中，找到Opencv，并下载对应的版本。
python库链接
如我的python是3.6的，电脑是64位的那么我下载的就是
在这个文件的目录下 按住shift+右键打开powershell，然后输入以下命令即可安装

pip install 文件名

其他库

pip install tensorboardX  easydict  pycocotools

有缺的再自己补吧。这边装pycocotools出现了个问题，好像是win10下的通病，解决方法见问题记录。

demo

先来跑个小demo玩一下。

权重文件

首先下载作者训练好的权重参数文件，把他放在以下的路径，weight文件夹是自己创建的。

权重文件链接
然后修改demo.py里面的参数，如下图，把权重文件的路径和图片的路径修改成自己的就可以
我的是gtx1070，发现运行速度挺快的，大概在0.11秒左右。
运行成功后会自动生成标注后的图片。如下图

训练

接下来我们来跑下train.py文件。
修改配置文件：主要参考文件里面写的是在cfg.py文件里面修改，但是我修改完后一直报错，相应的参数并没有被修改，后来发现是因为train.py的get_args（）函数对部分参量又进行了一次设置，并设置了默认值，所以要修改参量应该在这个函数的调用之后，或者直接在这个函数修改默认的参数。
在train.py中添加如下参数即可，

点击运行，然后就搜搜
跑起来了，其实我的显卡还是比较烂，训练的速度还是比较忧伤的。

问题记录

安装pycocotools出错

问题1：

措施：参考博客@

参考博客

主要参考博客
博客1