这篇博文不是教程向的,只是自己在实现了相关过程后对关键部分和比较绕的地方做出的总结。
详细过程推荐一个B站up主的教学视频,讲解的就是keras下的yolo如何使用,时间不长分P清晰,而且公布了额外需要的代码(我进行使用时也使用了该up修改过的代码,在此表示感谢),对于实现原理、darknet53网络结构讲的也很清楚:Keras 搭建自己的yolo3目标检测平台(yolo3源代码详解)
另外贴上keras-yolo的作者GitHub
有能力阅读源码的同学,非常建议做一些了解,至少知道某一块代码是在做什么,这样就不会局限于网上材料中说的那些细节,比如权重、训练图像、标签等路径等都可以自己对应修改。
相关的三种数据集
有名字的数据集都来自于计算机视觉挑战赛。目前在目标识别领域,计算机对目标的分辨和识别准确率已经高于人类。
COCO数据集:标注有80个类别
VOC数据集:标注有20个类别,数据量相对更少
imagenet数据集:数据量巨大,图片高达上万张
从darknet到keras
darknet和keras是两种不同的架构,darknet基本不依赖于特殊的库,以C语言为主体;keras则是Tensorflow为基础的,使用python语言写出的。在使用时最明显的区别是权重(或称之为模型)的不同。yolo作者的提