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》
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: