tiny_yolov4.zip

## 运行步骤 1. 运行voc_annotation.py，生成根目录下的2007_train.txt、2007_val.txt、2007_test.txt。 2. 运行kmeans_for_anchors.py，生成anchors.txt，也可以不运行这一步，直接使用model_data/yolo_anchors.txt，这是为YOLO 416*416 模型专门设计的，效果依旧很好。 3. 运行train.py，即可开始训练。 4. 运行predict.py进行检测，其中包含图片检测、文件夹遍历检测。 硬件环境：单张RTX8000显卡。 1. 对于训练阶段，batch=32，调用GPU每轮训练需要2min，而禁止GPU后每轮训练需要5min。 2. 对于推理阶段，VOC数据集调用GPU每帧0.03894278782533031s，禁止GPU后每帧0.06158580083645041s，真不愧是tiny_yolov4，在CPU上运行也能足够快。 而之前测试的yolov4模型调用GPU每帧0.17s，tiny_yolov4速度上比起yolov4足足快了5倍，但的确在VOC2007数据集上的检测精度不及，轮廓精度和分类类别精度均有欠缺。