YOLOV4_Train_PyTorch
1000行代码完美复现YOLOV4的训练和测试，精度、速度以及配置完全相同，两者模型可以无障碍相互转换。
指标展示
| Model | train | test | net_size | mAP@0.5 | mAP@0.75 | FPS |
|---|---|---|---|---|---|---|
| yolov4(train from Darknet-AlexeyAB) | 0712 | 2007_test | 416x416 | 86.05 | 67.09 | 55 |
| yolov4(ours) | 0712 | 2007_test | 416x416 | 86.85 | 68.14 | 55 |
| yolov4(yolov5-loss) | 0712 | 2007_test | 416x416 | 88.74 | 74.93 | 55 |
| yolov4(yolov5-loss + ema) | 0712 | 2007_test | 416x416 | 89.22 | 74.96 | 55 |
效果展示
使用说明
要求
Python >= 3.6 \ PyTorch >= 1.4
数据集下载
cd <path-to-voc>/ wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar tar xf VOCtrainval_11-May-2012.tar tar xf VOCtrainval_06-Nov-2007.tar tar xf VOCtest_06-Nov-2007.tar数据生成
cd data/voc0712 python voc_label.py cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt预训练模型下载
cd pretrain wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137训练和测试
python train.py已训练好的模型：百度云(提取码:8888)
python detect.py计算mAP
模型转换至darknet
python cvt2darknet.py编译原始版本darknet
./darknet detector map cfg/voc.data cfg/yolov4-voc.cfg weights/yolov4-140.weights
复现重点
- 添加
burning in和one circle scheduler - 添加
mosaic数据增强，resize替换letter_box - 完全复现
darknet-yolo_layer的loss计算方式
1. 负样本：每个grid_cell的3个bbox与所有target的iou<0.7，且不属于正样本bbox的下标，同时添加了compare_yolo_class
2. 正样本：每个grid_cell的3个anchors与targets最大iou的下标
3. 每个anchor可以分别预测多个targets，并不是只有一个，且每个anchor可预测多个class
4. 正样本confidence的target为1，不是iou
5. 正样本bbox回归的损失函数为CIoULoss
6. 添加非绝对正样本
7. 添加average classes in on box
参考
https://blog.csdn.net/samylee
https://github.com/AlexeyAB/darknet