bubbliiiing/yolov4-tiny-pytorch

这是一个YoloV4-tiny-pytorch的源码，可以用于训练自己的模型。

yolov4-tiny-pytorch's Issues

关于fps

大佬您好，为什么这个yolov4-tiny我测试fps只有10左右，您复现的yolov3-pytorch,和yolov4-pytorch,ssd-pytorch,我都测试了一下全部fps值都是10个左右，而且我分别在笔记本(i5-7300hq+gtx1050)上和台式机（i5-9600k+rtx2080)上测试，fps值都是10左右，这是怎么会事呢？

训练时cpu占用很高

训练时发现target的数据是放在cpu的，即下面的代码：
if cuda: images = Variable(torch.from_numpy(images).type(torch.FloatTensor)).cuda() targets = [Variable(torch.from_numpy(ann).type(torch.FloatTensor)) for ann in targets]
但是当把target也加上.cuda()时，训练的时候计算loss会报错。
即把代码修改成：targets = [Variable(torch.from_numpy(ann).type(torch.FloatTensor).cuda()) for ann in targets]
up主能帮忙看一下吗？非常感谢

YOLOv4-tiny的參數量(parameter)

您好，請問要怎麼得到YOLOv4-tiny的參數量(parameter)呢?謝謝
類似以下網址這種，請問程式碼中的「model」要改成甚麼，並且可以在哪一個程式碼加入，謝謝
https://stackoverflow.com/questions/49201236/check-the-total-number-of-parameters-in-a-pytorch-model

yolo.py 与 get_dr_txt.py 中confidence和iou参数是否要一致？

yolo.py 与 get_dr_txt.py 中都有confidence和iou参数
如果要预测效果与map计算时一样，是不是这两个程序中的confidence和iou要一致？

关于分类loss

泡泡哥好，我打算只对行人做检测，看了一篇论文用yolov3的，里面对loss部分做了修改，将分类loss直接删了，其他不变。我试了一下，最后出来的结果是行人的置信度普遍偏低相较于不删分类loss的，我就想问做单目标检测时需要删分类loss吗？bceloss怎么解释（此时只有背景和目标两类吗还是别的啥）

请问 “nets” 文件夹下就是所有的网络结构了，导入weights就可以使用？

请教大神：
nets文件夹中是不是包含了所有的yolov4-tiny的网络结构，即nets+weights(训练好的)可以直接使用吗？
如果nets+weights可以直接使用，那么yolo.py文件又起了什么作用呢？

Thanks

大佬,你好.我问一个问题,你的yolov4-tiny_voc.pth参数是直接用tiny模型在voc数据集的训练吗

如何复现voc2007+2012 最后73.3map的结果，你的这个结果使用预训练权重了吗 还是从头训练，我想要复现这个结果 方便能解答一下吗

get_dr_txt.py运行错误

你好，运行get_dr_txt.py的时候出现以下错误：RuntimeError: Error(s) in loading state_dict for YoloBody:
Unexpected key(s) in state_dict: "feat1_att.channelattention.fc1.weight", "feat1_att.channelattention.fc2.weight", "feat1_att.spatialattention.conv1.weight", "feat2_att.channelattention.fc1.weight", "feat2_att.channelattention.fc2.weight", "feat2_att.spatialattention.conv1.weight", "upsample_att.channelattention.fc1.weight", "upsample_att.channelattention.fc2.weight", "upsample_att.spatialattention.conv1.weight".
应该怎么修改代码呢？

训练到解冻阶段后内存一直在涨

您好，请教一下，我用cpu训练模型，训练到解冻阶段后内存一直在涨，一个epoch还没结束，内存和交换内存差不多都要占用掉50G。请问下是为什么？

map(0.5:0.95) is only 16.67.

i used the given pre-trained model yolov4_tiny_weights_coco.pth and evaluated it on coco val2017, and the map (0.5:0.95) only got 16.67%, could you please give the get_gt_txt.py on coco datasets.

相同情况下，pytorch上训练的结果比keras上的要低。

大佬，你好。我训练过你用pytorch和keras写的tiny-yolo4代码，同样的数据集（9000张鱼类照片）和同样的训练策略（马赛克，标签平滑，余弦退火，batchsize，epoch）。最终的map结果是keras上的是45%，pytorch的是32%。请问你之前分别在pytorch和keras训练voc数据集时有遇到过map相差较大的情况吗？

训练模型正常，导入模型测试报错

我用yolov4tiny训练自己的数据，总共也就2类。训练没有问题，可是在yolo.py中导入自己的训练模型就报torch.size不匹配的错，但是导入yolov4_tiny_weights_voc.pth和yolov4_tiny_weights_coco.pth就没有问题

冻结参数时的optimizer

大佬您好，请问在冻结参数进行训练的时候不需要过滤optimizer的参数嘛？比如
optimizer = optim.Adam(filter(lambda p: p.requires_grad, model.parameters()), lr=0.001)

RuntimeError: Error(s) in loading state_dict for YoloBody:

/home/juling/anaconda3/envs/pythonProject/bin/python /home/juling/PycharmProjects/pythonProject/yolov4-tiny/predict.py
Loading weights into state dict...
Traceback (most recent call last):
File "/home/juling/PycharmProjects/pythonProject/yolov4-tiny/predict.py", line 16, in
yolo = YOLO()
File "/home/juling/PycharmProjects/pythonProject/yolov4-tiny/yolo.py", line 56, in init
self.generate()
File "/home/juling/PycharmProjects/pythonProject/yolov4-tiny/yolo.py", line 94, in generate
self.net.load_state_dict(state_dict)
File "/home/juling/anaconda3/envs/pythonProject/lib/python3.8/site-packages/torch/nn/modules/module.py", line 1223, in load_state_dict
raise RuntimeError('Error(s) in loading state_dict for {}:\n\t{}'.format(
RuntimeError: Error(s) in loading state_dict for YoloBody:
Unexpected key(s) in state_dict: "backbone.resblock_body2.conv1.conv.weight", "backbone.resblock_body2.conv1.bn.weight", "backbone.resblock_body2.conv1.bn.bias", "backbone.resblock_body2.conv1.bn.running_mean", "backbone.resblock_body2.conv1.bn.running_var", "backbone.resblock_body2.conv1.bn.num_batches_tracked", "backbone.resblock_body2.conv2.conv.weight", "backbone.resblock_body2.conv2.bn.weight", "backbone.resblock_body2.conv2.bn.bias", "backbone.resblock_body2.conv2.bn.running_mean", "backbone.resblock_body2.conv2.bn.running_var", "backbone.resblock_body2.conv2.bn.num_batches_tracked", "backbone.resblock_body2.conv3.conv.weight", "backbone.resblock_body2.conv3.bn.weight", "backbone.resblock_body2.conv3.bn.bias", "backbone.resblock_body2.conv3.bn.running_mean", "backbone.resblock_body2.conv3.bn.running_var", "backbone.resblock_body2.conv3.bn.num_batches_tracked", "backbone.resblock_body2.conv4.conv.weight", "backbone.resblock_body2.conv4.bn.weight", "backbone.resblock_body2.conv4.bn.bias", "backbone.resblock_body2.conv4.bn.running_mean", "backbone.resblock_body2.conv4.bn.running_var", "backbone.resblock_body2.conv4.bn.num_batches_tracked".

Process finished with exit code 1
请问博主知道这个是为啥么，卡住半天了。。。

请问文档中得mAP代码怎么用

小白一个，请问怎样将训练好的结果用get_map.py算出来 map

anchor_index问题

请问程序中：
anchor_index = [[3, 4, 5], [1, 2, 3]][self.feature_length.index(in_w)]
为什么不是[[3, 4, 5], [0, 1, 2]]呢

yolov4-tiny backbone convert to caffe

大佬你好
yolov4-tiny 中resblock中有个通道减半的操作，这个在转换caffe时有哪个层能够实现这个功能吗？或者多个层组合实现这个功能，最好是不修改caffe的源码，非常感谢

在开发板上测试只能跑1.5帧，还有其他更小的网络推荐吗

我在嵌入式开发板（Rock Pi X）上运行yolov4-tiny，调用摄像头做实时检测，但是只能跑1.5帧左右，是不是我这开发版与深度学习无缘了
还有更小的网络推荐吗，如果用传统的方法比如SVM，是不是也吃配置呀

想问问大家用的训练速度，我用笔记本跑20多个小时才300+epoch

416*416 大概7000+图片，1660ti

train.py脚本中的fit_one_epoch入参是不是有问题？

def fit_one_epoch(net,yolo_losses,epoch,epoch_size,epoch_size_val,gen,genval,Epoch,cuda):其中yolo_losses参数在后边并没有使用，而使用的是yolo_loss，这个地方是不是有问题？

mAP0.5:0.95

可以把 mAP0.5:0.95的结果也补充一下吗，谢谢啦

不确定是否特殊处理了anchor_index

hello，anchor_index = [[3,4,5],[1,2,3]][self.feature_length.index(in_w)]是笔误吗还是特别写成1，2，3而非0，1，2？

你好，关于attention.py

你好，我打算自己在attention.py里加一些新的注意机制在用train里的phi调用，想请教在train里的phi调用SE,CBAM的逻辑走向是如何的，我应该怎么调用自己的新加的关注机制

请问一下我应该如何将训练得到的pt文件转为onnx格式呢？

想问问大家用的训练速度，我用笔记本跑20多个小时才300+epoch

416*416 大概7000+图片，1660ti

dataloader.py文件中flag标志位的作用？

博主的代码dataloader.py文件中，__getitem__函数里面判断mosaic为真之后，最后有一行代码self.flag = bool(1-self.flag)，请问这里设置flag标志位的作用是什么呢？

How to evaluate .weights map here

Hi, I have trained yolov4-tiny using darknet repo, Now I have .weights and .cfg , Now I have two questions.

1- How I can calculate the Precision and recall for each class using .weights? do I need to convert .wegiths to .pt first? if yes then I can convert?

2- Can I convert .weights to .caffe?

你好，val_loss为1.6，map=0是什么原因

用了作者YOLOv4跑出的val_loss是1.7，map=98.1%，然后今天用tiny对相同的数据集设置相同的训练参数最后map结果是0，不知道哪里有问题

train.py

你好，我想问一下迭代次数是更改 Freeze_Epoch = 50、Unfreeze_Epoch = 100这两个参数吗？他们两个数据要保证二倍关系吗？

测试了下yymnist数据集，yolov4-tiny漏检率有点高

yolov4模型基本都检测出来了，但yolov4-tiny只能检出7成左右，cpu FPS达到了6-8之间。

单类目标检测模型mAP低

您好，用自己的数据集训练，共10类实例，得到了能检测10类的模型。之后筛选出数据集中包含1类实例的所有图片，重新训练了一个只检测这一类实例的单类目标检测的模型，为什么这个单类目标检测模型的AP比10类目标检测模型对应类别的AP要低呢？

为什么从rtx2060换成了双rtx3090训练速度没有提升呢

我大幅度提高了batch_size，从之前的1直接提高到128，然而，我的两个3090半死不活的只用了6gb显存，cpu占用率倒是明显高了不少。而且每个batch_size训练的时间也低了很多倍，换算下来，训练速度并没有提高多少。

如果要用coco训练这个project，应该做什么调整

希望能用coco训练这个工程，请问大佬有什么指导吗

The mask index of anchors

I'm confused of the maske index , is it should be
anchor_index = [[3,4,5],[0,1,2]][self.feature_length.index(in_w)] ?

detect accuracy is no so good，it is the yolov4-tiny's ability？

我尝试在这训练yolov4-tiny，也在darknet中训练，检测高空和远处的车，数据8000左右，效果好像都不好，有时车在近处也检测不出来，不知道是不是训练那个参数问题，原图是19201080，训练时就算size设置到608608，测试时size放到800*800也是如此，放一张效果图

不知道有没有碰到类似情况

兄弟 为啥训练的时候会报这个QT的错啊----

如题，兄弟，为啥会报这个QT的错 我人傻了

大佬您好，我想问一下，使用自己数据集k-means聚类产生的anchor效果反而变差，这合理吗？可以写在论文中吗？

原anchor[10,14, 23,27, 37,58, 81,82, 135,169, 344,319]，acc:62%,
聚类后 [33,51, 49,41, 53,154, 70,65, 98,119, 195,261]，acc:70%，acc提升，但是map反而下降
我只修改了model_data\yolo_anchors.txt文件中的anchor，请问修改成自己数据集的anchor是不是还需要修改其他部分的代码啊

作者，你好，有兴趣合作到开源AI交互框架tymon中吗

https://github.com/TymonXie/tymon
该框架建立初期，意在做0门槛的交互式ai框架，地址如上，如果您有兴趣，可以交流下

大佬你好，这个模型可以在树莓派4b上实现吗？

关于锚框

想问下大佬，在训练代码和测试代码里， anchor_index = [[3,4,5],[1,2,3]][self.feature_length.index(in_w)]， self.anchors_mask = [[3,4,5],[1,2,3]]
为什么都没有用上第0组锚框呢，这是不是小目标精度不大好的原因。

yolov4tiny

大佬，为什么我训练好测试单张图片0.2s(only cpu),用gpu反而更久(0.26s)

gpu(rtx 2070s)
图片608X608

作者你好，想问一下VOC数据集那个网盘提取码是不是错了，不是uack

rt

通道合并是不是反了

yolov4-tiny-pytorch/nets/yolo4_tiny.py

Line 77 in 53851c5

P4 = torch.cat([feat1,P5_Upsample],axis=1)

P4 = torch.cat([feat1,P5_Upsample],axis=1) -> P4 = torch.cat([P5_Upsample,feat1],axis=1)

关于YOLOv4-tiny在一些类别数目较少且目标数量较少的数据集上的改进

作者你好，我现在的数据集类别数较少（目前只有两个类别）且一张图片中只有一两个目标，像这种不是很复杂的数据集我感觉用YOLOv4-tiny就可以了，但也只是仅限于使用原模型而没有任何创新的工作，这种数据集相对较简单的情况使用YOLOv4-tiny如果想要创新的话应该从哪些方面入手可能会有效果？

关于修改网络结构并训练的问题

请问如果修改了yolov4-tiny的backbone和neck部分后，无法使用coco和voc数据集得到的预训练权重，此时应该如何操作，谢谢大佬！

没有cfg文件,如何在nvidia jetson平台上转换为tensorRT引擎加速？

请问有cfg文件吗？ 没有cfg文件，怎么才能在nvidia jetson 嵌入式平台下使用呢？貌似转成tensorRT引擎需要cfg文件，请帮助，感谢！

大佬，请问这个可以转换成tensorrt吗？

大佬您好，我想用您的项目训练自己的数据集然后部署到nvidia xavier上，但速度还是有点慢，想问一下大佬有考虑过将模型转换成tensorrt吗？或者有考虑过能出个教程吗？

anchor index的问题

yolo脚本中第110行的代码：self.anchors_mask = [[3,4,5],[1,2,3]]是不是有问题，是否应该改为self.anchors_mask = [[3,4,5],[0,1,2]]。相同的问题：在nets/yolo_training.py中231和359行的anchor_index = [[3,4,5],[1,2,3]][self.feature_length.index(in_w)]是不是应该改成anchor_index = [[3,4,5],[0,1,2]][self.feature_length.index(in_w)]？