【YOLOv3初探】之使用v3官方数据集做目标分类

Dear 丶 2022-04-03 01:47 205阅读 0赞

# 我的运行环境 #

python3.6

tensorflow-gpu  1.4.0,

cuda\_8.0.61\_win10

cudnn-8.0-windows10-x64-v6.0

Keras  2.2.4

# 下载需要的文件 #

开始完成以前，需要配置安装完成以上环境。注意版本的兼容性；

下载keras-yolo3-master.zip，下载 YOLOv3 权重

（推荐下载地址：[https://download.csdn.net/download/plsong\_csdn/10862712][https_download.csdn.net_download_plsong_csdn_10862712]）

# 转换 Darknet YOLO 模型为 Keras 模型 #

直接运行下面的语句即可。

下载好的《yolov3.weights》放在同一目录下。

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

转换的过程：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70][]

中间省略。。。。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 1][]

# 运行目标检测文件 #

这里将yolo.py文件修改了一下。

在原文件下添加下面语句

# 添加的
    def detect_img(yolo,img_path = 'test.png'):
       
        image = Image.open(img_path)
        import time
        t1 = time.time()
    
        r_image = yolo.detect_image(image)
        print('time: {}'.format(time.time()-t1))
        r_image.show()
        
        yolo.close_session()
    
    
    if __name__ == '__main__':
        detect_img(YOLO(),img_path = '7.jpg')#检测输入图片的路径

# 运行效果 #

原图

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 2][]

检测结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 3][]

--------------------

训练自己数据集，请参看《【YOLO初探】之 keras-yolov3训练自己数据集》

传送门：[https://blog.csdn.net/plSong\_CSDN/article/details/85194719][https_blog.csdn.net_plSong_CSDN_article_details_85194719]

--------------------

★finished by songpl,2018.12.19

[https_download.csdn.net_download_plsong_csdn_10862712]: https://download.csdn.net/download/plsong_csdn/10862712
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70]: /images/20220403/aaf438cb34e64d8e88c2b973838d7d3c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 1]: /images/20220403/0523ca56f71f45119183424bf3b8598d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 2]: /images/20220403/abd9549d8ff94631acb65154637f7cd6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 3]: /images/20220403/a2a5f97ab7614991bf273950dac7df79.png
[https_blog.csdn.net_plSong_CSDN_article_details_85194719]: https://blog.csdn.net/plSong_CSDN/article/details/85194719