window下keras-yolo3使用笔记

最新推荐文章于 2022-05-17 17:16:48 发布

great-wind

最新推荐文章于 2022-05-17 17:16:48 发布

阅读量130

点赞数

分类专栏：深度学习

本文链接：https://blog.csdn.net/csdn1e/article/details/109066723

版权

本文档详细介绍了在Windows系统中使用Keras-YOLO3进行目标检测的步骤，包括环境配置、数据集准备、数据转换、参数文件修改、训练过程及常见错误处理。特别强调了训练时的类别数设置对模型性能的影响。

摘要由CSDN通过智能技术生成

下载keras-yolo3

keras-yolo3在GitHub上的开源项目地址

环境要求

测试环境需要包含以下三个依赖模块：

Python 3.5.2
Keras 2.1.5
tensorflow 1.6.0
lxml
h5py
利用Anaconda创建一个合适的虚拟环境，由于在构建虚拟环境时直接安装上述三个依赖包，会产生默认安装tensorflow1.1版本的情况，建议先创建虚拟环境，后安装模块：

conda create -n TF1.6 python=3.5.2
conda activate TF1.6
pip install tensorflow==1.6.0
pip install keras==2.1.5

准备数据集

下载VOC2007训练数据集，解压后，只保留文件夹，并将文件夹中的文件全部删除；
将自己准备好的图片存放在JPEGImages文件夹下；
使用Labelimg工具将自己准备的图片进行标注，标注文件为xml格式；
将数据集划分为训练集、测试集两个文件，并保存在VOCdevkit\VOC2007\ImageSets\Main文件夹下，代码如下：


import os
import random

train_percent = 0.9    # 训练集占比,若有需要可将训练集可进一步拆分为训练，验证
#val_percent = 0.1   #在yolo3训练代码中会对训练集进行验证划分，此处注释掉关于验证的部分代码
test_percent = 0.1    # 测试集占比
xmlfilepath = 'VOCdevkit\\VOC2007\\Annotations'    # 标注文件路径
txtsavepath = 'VOCdevkit\\VOC2007\\ImageSets\\Main'  # 划分后txt文件存放路径
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)    # 样本集总量：训练+测试
list = range(num)
train_num = int(num * trai