YOLOv1 代码实现

 代码：1、GitHub - lavendelion/YOLOv1-from-scratch: YOLOv1-from-scratch

数据：The PASCAL Visual Object Classes Challenge 2012 (VOC2012) (ox.ac.uk)

选择第一个下载即可。

参考博客：动手学习深度学习pytorch版——从零开始实现YOLOv1_自己实现的yolov-优快云博客

1、数据集介绍：

下载完成，解压VOC2012后有五个文件夹。

Annotations：保存的是xml文件，里面存放的是对应照片的标注信息。

ImageSets里面有四个文件夹：

保存的是txt文件。我们关注的是Main里面的train.txt和val.txt。

JPEGImages：保存的是对应的图片。

剩下两个跟分割有关，暂时不管。

2、操作步骤：

（1）、将下载好的VOC2012文件夹放到与程序在同一个目录下，并在VOC2012文件夹下面建一个空文件夹，命名为voc2012_forYolov1；

（2）、找到prepare_data.py，修改数据保存地址，将里面数据path全部改成实际的地址。

（3）、运行prepare_data.py程序

运行完后，在新建文件夹下就会生成一些图片和文件。

（4）执行train.py程序

设置参数：

batch_size=32，lr=1e-4。lr不能设置的太大，会出现loss=Nan的情况。

优化器设置为SGD。

如果执行时，提示预训练报错，把默认值设置为default=None就可以了。程序从头开始训练。

设置完成后就开始执行程序。

输出：

运行60个epoch之后，loss维持到0.1左右。

（5） 执行test.py测试程序

执行前，先将my_arguments.py程序中set_test_args，需要修改两个个地方：

--dataset_dir将需要测试的图片加载进来，测试图片在voc2012_forYolov1下的img文件夹下；

--weight path加载前面训练产生的pkl文件。

报错：If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script in function 'cvShowImage'

解决办法：先卸载原来的opencv

pip uninstall opencv-python

然后重新安装。

pip install opencv-contrib-python

结果能显示，但是精度不高。有些图片识别不出来。