在keras中实现yolov4目标检测

环境配置

win10+tensorflow-gpu1.13.2+cuda10.0+cudnn7.4+keras2.1.5

1.数据集的制作

1. 先安装labelimg，步骤如下：
   pip install PyQt5
   pip install pyqt5-tools
   pip install lxml
   pip install labelImg
   在安装好lxml之后，也可以直接将data文件复制到电脑，运行的时候将labelimg粘贴到桌面。
2. 使用rename.py将数据集图片的名字统一转化成以序号命名，则高位会用0补齐至6位。

#rename.py
import os
path = "C:\\Users\\Admin\\Desktop\\VOC\\JPEGImages"
filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹）
count=0
for file in filelist:
    print(file)
for file in filelist:   #遍历所有文件
    Olddir=os.path.join(path,file)   #原来的文件路径
    if os.path.isdir(Olddir):   #如果是文件夹则跳过
        continue
    filename=os.path.splitext(file)[0]   #文件名
    filetype=os.path.splitext(file)[1]   #文件扩展名
    Newdir=os.path.join(path,str(count).zfill(6)+filetype)  #用字符串函数zfill 以0补全所需位数
    os.rename(Olddir,Newdir)#重命名
    count+=1

3. 先创建如下图所示的三个文件夹，图片数据集存放在JPEGImages。
   
   在labelimg将图片生成xml文件,如下图所示，选中区域之后输入对应的标签，然后将xml文件保存在Annotations文件夹下。
   

2.生成train、test、val数据集

1. 运行formtxt.py文件生成如图所示的4个txt文件，存放在ImageSets/Main文件下。

#formtxt.py
import os
import random

trainval_percent = 0.7   # trainval占总数的比例
train_percent = 0.5   # train占trainval的比例
xmlfilepath = r'C:\Users\Admin\Desktop\VOC\Annotations'
txtsavepath = r'C:\Users\Admin\Desktop\VOC\ImageSets\mian'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open(txtsavepath + r'\trainval.txt', 'w')
ftest = open(txtsavepath + r'\test.txt', 'w')
ftrain = open(txtsavepath