yolov4训练时间（基于yoloV7添加关键点训练记录）
一 、前言
yoloV7已经开源有一段时间了 ，近期已经基于yoloV7-pose的关键点算法进行了研究和修改 。目前已经将该工程修改为 ，多分类+任意数量关键点：修改详细请看博客：基于yoloV7-pose添加任意关键点 ＋ 多类别分类网络修改 ，修改代码已经开源：github地址 ，如果对大家有帮助也希望可以帮忙点点☆☆ 。
好的 ，接下来我们就开始训练模型 。二 、 数据准备
2.1 数据介绍 。
很多小伙伴有点不知道这些关键点怎么设置 ，我简单说一下逻辑 ，一般是检测框＋关键点的形式 ，也就是说关键点是伴随框的 ，首先是希望box框可以收敛 ，然后再是点的收敛 ，所以框是必须的 ，然后点是非必须的 ，所有有些框可以不需要设置关键点 ，这里大家可以将关键点的值设置为-1就行
，
这种关键点的标记工具可以选择labelme ，对目标进行不规则四边形标记 。
标记完成后图像可视化应该是这样的：
其中 第一个点是：绿色；第二个点是：蓝色；第三个点是：红色；第四个点是：白色 。点的顺序是否需要有标准 ，我个人觉得是需要的 ，部分任务可能不需要 ，但目前我发现都是需要注意点的顺序的 。
标记完成的内容 ，依次转化成txt文档： # -nfs-阿拉伯车牌字符-沙特阿拉伯卡口车牌-2-沙特阿拉伯卡口车牌-2-image1837.txt # data.txt 含义分别是： cls x y w h point1x point1y point2x point2y point3x point3y point4x point4y ... # 类别 目标中心点x 目标中心点y 目标宽w 目标高h 目标点1x坐标 目标点1y坐标 目标点2x坐标 目标点2y坐标 目标点3x坐标 目标点3y坐标 目标点4x坐标 目标点4y坐标 依次类推 0 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537 2 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537 0 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537注意：
第1个值：类别索引 ，如果是单类别 ，这里值都为0
第2个值：目标框的中心点坐标x值 ，
第3个值：目标框的中心点坐标y值 ，
第4个值：目标框的宽度w ，
第5个值：目标框的高度h ，
第6个值：第1个关键点的x坐标 ，如果该关键点省去 ，设置坐标为-1
第7个值：第1个关键点的y坐标 ，如果该关键点省去 ，设置坐标为-1
第8个值：第2个关键点的x坐标 ，如果该关键点省去 ，设置坐标为-1
第9个值：第2个关键点的y坐标 ，如果该关键点省去 ，设置坐标为-1
第10个值：第3个关键点的x坐标 ，如果该关键点省去 ，设置坐标为-1
第11个值：第3个关键点的y坐标 ，如果该关键点省去 ，设置坐标为-1
第12个值：第4个关键点的x坐标 ，如果该关键点省去 ，设置坐标为-1
第13个值：第4个关键点的y坐标 ，如果该关键点省去 ，设置坐标为-1
…
后面依次是关键点的坐标值2.1 修改数据yaml文件：
这里是读取数据的txt文档 ，所以传入图片路径txt文件即可 ，其中txt文档书写如下：
# train.txt ./train/images/-nfs-阿拉伯车牌字符-沙特阿拉伯卡口车牌-2-沙特阿拉伯卡口车牌-2-image1837.jpeg ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 11-11-52屏幕截图.png ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-57-27屏幕截图.png ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 10-19-54屏幕截图.png ./train/images/-nfs-阿拉伯车牌字符-外国车牌现场_20210519_1-外国车牌现场_20210519_1-e0d92b0990a1249388bc77bdfa8e43ed.jpg ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-51-28屏幕截图.png ./train/images/-nfs-车牌字符-约旦车牌-videoplayback-videoplayback_13_1460.jpg ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-56-51屏幕截图.png ./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 10-27-50屏幕截图.png这里读取数据是 ：
txt前面的作为根目录 ，加上txt文档里面的路径 ，
所以图片的完整路径是这样存放的： # txt前面的作为根目录 ，加上txt文档里面的路径 ， # 所以图片的完整路径是这样存放的： /media/wqg/3e165c12-9862-4867-b333-fbf93befd928/home/wqg/data/官网数据/PLATE/train/images/-nfs-阿拉伯车牌字符-沙特阿拉伯卡口车牌-2-沙特阿拉伯卡口车牌-2-image1837.jpeg传入txt文档即可开始训练了 。记得修改nc的类别数量和对应的名称
三 、开始训练
训练代码使用的是：./yolov7-pose_Npoint_Ncla/train_Ncla_nPoint.py
3.1 修改模型结构yaml文件
设置关键点的数量 ，默认是以4个关键点进行训练 ，类别数量默认是读取数据文件中的nc值
。
3.2 数据准备好了就可以开始训练了
分别传入预训练权重 ，模型配置文件 ，修改好的数据文件 ，hyp文件 ，训练批次 ，训练尺寸等等 。
权重链接：百度云链接 : https://pan.baidu.com/s/1izQzp7G5-tncRKtMTEyrUA 提取码: t82o 。 建议: hyp文件中大家不要开上下翻转和左右翻转 ，会有可能导致关键点混乱 。左右翻转是按照 ，1和2,3和4 ，5和6 ，7和8进行交换 ，上下翻转没有写翻转逻辑 ，建议不用 ，用的话需要自己修改代码 。训练开始 ，大家可以看到图像的每个关键点都是正确的：
四 、 训练结果
这里我只是训练了100个eopch ，数据也只是添加了500多张 ，
可以使用 tensorboard查看训练日志
训练推理结果：
推理代码：./yolov7-pose_Npoint_Ncla/detect.py
五 、常见问题（粉丝问题）
数据增强部分索引错误 关键点的数量建议是偶数个 ，如果是基数个 ，需要改一下代码 ，或者去掉左右翻转和上下翻转 。创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！