【源码】基于Pytorch的目标检测训练系统

项目简介

本项目是基于Pytorch实现的目标检测训练系统，聚焦于实现PP_YOLO（改进的YOLO算法）的目标检测功能。项目支持自定义数据集的锚框聚类、网络模型的训练和预训练，提供了训练和检测的完整流程。

项目的主要特性和功能

• 网络结构搭建：实现PP_YOLO的网络结构，支持自定义网络配置。
• 数据集处理：支持VOC格式的数据集，提供工具进行锚框的聚类和数据集的划分。
• 模型训练：提供完整训练流程，支持自定义训练参数和路径。
• 模型检测：提供检测脚本，支持加载训练好的模型进行目标检测。

安装使用步骤

假设用户已经下载了本项目的源码文件。

1. 环境准备

确保你的环境满足以下要求： - Windows10 - Python3.7 - Pytorch1.3 - CUDA10.0

2. 数据集准备

• 使用labelimg标注自己的数据集为VOC格式，或者使用现有的VOC格式数据集。
• 使用kmeans_for_anchors.py进行锚框聚类，获取数据的锚框。
• 使用voc2yolo3.py将数据集分为训练集和测试集。
• 使用voc_annotation.py获取数据的位置和信息。

3. 模型训练

• 修改trains.py中的路径为你的数据集路径。
• 运行trains.py进行模型训练。 python python trains.py --anchors ./model_data/anchors.txt --classes ./model_data/class_name.txt --annotation ./my_train.txt

4. 模型检测

使用训练好的模型进行目标检测。 python python detect.py --model_path ./models/Epoch22-Total_Loss18.8616-Val_Loss18.8762.pth --classes_path ./model_data/voc_classes.txt --anchors_path ./model_data/voc07_12anchors.txt

5. 下载预训练模型

你可以从以下链接下载预训练模型： 链接：https://pan.baidu.com/s/1Hm0awb9exJVbM39dQj7MxQ 提取码：yolo

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】