ScaledYOLOv4-Paddle

A reproduction of ScaledYOLOv4 by PaddlePaddle

AIStudio项目地址：ScaledYOLOv4-Paddle

数据文件准备

数据集已挂载至aistudio项目中，如果需要本地训练可以从这里下载数据集，和标签文件

数据集目录大致如下，可根据实际情况修改

Data
|-- coco
|   |-- annotions
|   |-- images
|      |-- train2017
|      |-- val2017
|      |-- test2017
|   |-- labels
|      |-- train2017
|      |-- val2017
|      |-- train2017.cache(初始解压可删除，训练时会自动生成)
|      |-- val2017.cache(初始解压可删除，训练时会自动生成)
|   |-- test-dev2017.txt
|   |-- val2017.txt
|   |-- train2017.txt
`   `-- validation

训练

单卡训练

python train.py --batch-size 8 --img 896 896 --data coco.yaml --cfg yolov4-p5.yaml --weights '' --sync-bn --device 0 --name yolov4-p5

多卡训练

python train_multi_gpu.py --batch-size 12 --img 896 896 --data coco.yaml --cfg yolov4-p5.yaml --weights '' --sync-bn --name yolov4-p5 --notest

多卡训练项目已提交至脚本任务ScaledYOLOv4

多卡训练日志以及模型可在此处下载，提取码：mxz8

验证

确保已安装pycocotools

pip install pycocotools

python test.py --img 896 --conf 0.001 --batch 8  --data coco.yaml --weights scaledyolov4.pdparams

需要注意到，在test.py的58行指定模型配置文件路径model = Model('/home/aistudio/ScaledYOLOv4-yolov4-large/models/yolov4-p5.yaml', ch=3, nc=80)以及227行的标签路径cocoGt = COCO(glob.glob('/home/aistudio/Data/coco/annotations/instances_val2017.json')[0])，运行后会出现test_batch0_gt.jpg和test_batch0_pred.jpg

验证结果如下所示

**GroundTruth**

**Pred**

验证完成后会生成detections_val2017__results.json并打印验证信息

推理

python detect.py

与验证相同，你需要指定detec.py中33行模型配置文件路径，在inference下放置了一些测试图像，运行结果将会保存在inference/output文件夹下