牛牛与爸爸

  • 7

    获得赞
  • 2

    发布的文章
  • 0

    答辩的项目

YoloV3-Keras本地环境搭建与测试实践(二)

YOLO Keras TensorFlow

最后更新 2020-05-18 20:22 阅读 175

最后更新 2020-05-18 20:22

阅读 175

YOLO Keras TensorFlow

1.写在前面:

前面说到已搭建好本地环境,下面开始运行代码

前文内容详见 Windows环境下YoloV3-Keras环境搭建与测试实践(一)

2.测试实践

2.1运行代码前先下载YoloV3的配置文件(包含了预训练权值)

注:推荐使用预训练权重,特别对于小规模数据集训练有很好的收敛效果

yolov3.cfg下载

2.2 在根目录下,转换配置文件,生成权值文件.weights,和keras专用配置文件.h5

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

2.3 使用脚本运行代码,具体脚本可参考readme.bd

#检测视频
python yolo_video.py --input=path # path 自定义
#检测图片
python yolo_video.py --image=    #类上

注:也可使用设备自带摄像头,

python yolo_video.py #若运行错误,可查看yolo.py中修改 vid 值

3.训练自建数据集

3.1 制作数据集

3.1.1 使用打标签工具(下载地址:提取码 h0i5,使用说明click here),打完标签后,会以.xml格式存储annotation,如下图image.png注:Annotations文件中放置用标签软件输出的xml格式的所有图片注释;JPEGImages文件中放置所用图片(用标签软件重命名); ImageSets中放置两个文件layout,Main存储数据集标签

3.1.2 脚本调用converttomaintext.py,在Main路劲下生成以下四个标签文件

image.png注:调用脚本时,注意修改代码里的相关路径参数

3.1.3 修改voc_annotation.py中相关路径等参数,如图中红框所示

image.png

调用该脚本,生成各数据集标签

image.png3.2 在yolo.cfg中,根据设备配置情况修改相关超参数,如batch size,filters,lr等。

3.3 生成anchors.txt

调用脚本使用聚类算法(K=2)生成anchors,注意修改图中的路径参数

python Kmeams.py

image.png

训练集路径
image.png

生成的anchors.txt保存路径

image.png3.4 调用train.py进行训练

注解:Log_dir中保存了你每次训练时产生的所有权重,可以在当前文件夹中新建一个文件夹(我是qz文件夹中的000文件夹)存放。 Classes_path为包含需要训练的类别名的路径,记得修改文件内容为你所需要的类别。 Annotation_path为之前voc_annotation.py生成的文件路径。 Anchors_path为之前kmeans.py生成的文件路径。

image.png修改预训练权重

image.png根据实验情况,调整超参数大小

image.png

注意修改路径位置后,

image.png

如 create_model
image.png训练烤机

python train.py

4 进行测试

注意修改yolo.py中的_defaults

image.png

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/article/485
讨论
500字
表情
每日参与讨论奖励 20FAI
发送
每日参与讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除