深度学习之利用yolov4训练数据集（基于PyCharm实现）

目录

1.YOLOv4简介

1.1YOLOv4检测算法

2. 训练数据集

2.1 标注图像集

2.2 用pycharm训练数据集

3.实验结果

3.1结果

3.2 分析

4.特别说明

4.1可能存在的问题

4.2技术、设备问题

4.3参考文献

1.YOLOv4简介

1.1 YOLOv4检测算法

 YOLOv4检测算法主要是由主干特征提取网络CSPDarknet53、颈部特征融合网络Neck以及检测头Head这三部分组成。其中颈部网络Neck又由路径聚合网络(path aggregation network,PANet)和空间金字塔池化(spatial pyramid pooling,SPP)模块组成，其网络结构如下图所示：

上图展示了YOLOv4目标检测算法的网络框图。该目标检测算法通常可以划分为4个模块，具体包括：输入端、基准网络、Neck网络与Head输出端。

2. 训练数据集

2.1 标注图像集

①这里的主要代码是老师在课堂上提供的，把它下载、解压。

②下载好自己的数据集，保存在"yolov4-pytorch-master\VOCdevkit\VOC2007\JPEGImages"目录下，统一图片格式为.jpg,且下载的图片至少要大于100张。(批量下载图片可以利用Microsoft Edge拓展中的图片批量下载或者利用python代码爬虫，当然，也可以分工合作。）

③win+r打开命令提示符，输入代码下载安装labelimg(目标检测标注工具)。

1.pip install labelimg -i https://pyp