基于Keras版本YOLOV7模型的锂电池自燃预警烟雾检测实践

距离YOLOV7发布已经有一段时间了，但是它的热度并没有降低，最近又有很多研究工作基于YOLOV7开展进行，为了上手实践学习使用YOLOV7，我在前面的博文里面已经写了好几篇关于YOLOV7的开发教程了，感兴趣的话可以看下。

文章链接如下：

《基于yolov4作者最新力作yolov7目标检测模型实现火点烟雾检测》

《YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程》

《基于YOLOv7官方开源的的关键点检测DEMO》

原始的YOLOV7都是基于PyTorch框架开发的出来的模型，我之前是用的比较多的框架其实是Keras和Tensorflow，而PyTorch是今年才开始逐渐去用的框架，因为很多时候最新的模型发布的时候都是基于PyTorch框架开发出来的。

这周leader给我了一个Keras版本的项目，让我自己实际试用一下在后续的工作中进行对比分析，我就基于之前做的一个数据集来开发了整个项目。

项目整体如下所示 ：

 为了简化和更加高效地使用这个项目，我做了很多地方的改造处理，后续有时间再详解。

在最开始可以基于autoAnchors.py模块完成自建数据集Anchors数据的计算，可视化效果如下：

 接下来看下数据集，进入dataset目录，如下所示：

 进入JPEGImages目录，如下所示：

 进入labels目录，如下所示：

 进入xmls目录，如下所示：

 train.txt和test.txt内数据内容结构格式完全一致，如下所示：

 results结果目录如下所示：

 随机选取批量的数据集进行测试计算，日志输出如下：

会自动创建目录，

 json目录如下所示：

 picture目录如下所示：

 测试结果样例如下所示：

 为了更好观察模型检测的实际关注点，这里做了热力图可视化：