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。
2021年5月21日更新:
增加了各类注意力机制,并添加在FPN部分,检测效果有一定的提升。
- 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
- 评估步骤 How2eval
- 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 |
VOC07+12+COCO | yolov4_tiny_weights_voc_SE.h5 | VOC-Test07 | 416x416 | - | 78.6 |
VOC07+12+COCO | yolov4_tiny_weights_voc_CBAM.h5 | VOC-Test07 | 416x416 | - | 78.9 |
VOC07+12+COCO | yolov4_tiny_weights_voc_ECA.h5 | VOC-Test07 | 416x416 | - | 78.2 |
COCO-Train2017 | yolov4_tiny_weights_coco.h5 | COCO-Val2017 | 416x416 | 21.8 | 41.3 |
tensorflow-gpu==1.13.1
keras==2.1.5
代码中的各类权值均是基于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。
训练所需的各类权值均可在百度网盘中下载。
链接: https://pan.baidu.com/s/1TVJhG1yKv_6U37JlnTFGpA 提取码: ehn9
VOC数据集下载地址如下:
VOC2007+2012训练集
链接: https://pan.baidu.com/s/16pemiBGd-P9q2j7dZKGDFA 提取码: eiw9
VOC2007测试集
链接: https://pan.baidu.com/s/1BnMiFwlNwIWG9gsd4jHLig 提取码: dsda
- 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
- 在predict.py里面进行设置可以进行fps测试和video视频检测。
- 按照训练步骤训练。
- 在yolo.py文件里面,在如下部分修改model_path、classes_path和phi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_voc_SE_map78.58.h5',
"anchors_path" : 'model_data/yolo_anchors.txt',
"classes_path" : 'model_data/voc_classes.txt',
#-------------------------------#
# 所使用的注意力机制的类型
# phi = 0为不使用注意力机制
# phi = 1为SE
# phi = 2为CBAM
# phi = 3为ECA
#-------------------------------#
"phi" : 1,
"score" : 0.5,
"iou" : 0.3,
"max_boxes" : 100,
# 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),
#---------------------------------------------------------------------#
# 该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize,
# 在多次测试后,发现关闭letterbox_image直接resize的效果更好
#---------------------------------------------------------------------#
"letterbox_image" : False,
}
- 运行predict.py,输入
img/street.jpg
- 在predict.py里面进行设置可以进行fps测试和video视频检测。
- 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。
评估过程可参考视频https://www.bilibili.com/video/BV1zE411u7Vw
步骤是一样的,不需要自己再建立get_dr_txt.py、get_gt_txt.py等文件。
- 本文使用VOC格式进行评估。
- 评估前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
- 评估前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
- 在评估前利用voc2yolo4.py文件生成对应的txt,评估用的txt为VOCdevkit/VOC2007/ImageSets/Main/test.txt,需要注意的是,如果整个VOC2007里面的数据集都是用于评估,那么直接将trainval_percent设置成0即可。
- 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。
- 运行get_dr_txt.py和get_gt_txt.py,在./input/detection-results和./input/ground-truth文件夹下生成对应的txt。
- 运行get_map.py即可开始计算模型的mAP。
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