【目标识别】yolo3_keras旗帜识别&训练自己数据

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号：datayx

项目地址

https://github.com/ZzzzzZXxxX/yolo3_keras_Flag_Detection

项目环境依赖

数据集提供

• 旗帜（包含40个种类旗帜），数据来着于网络，数据标注是个苦力活，本数据包含1600多张图片，花费接近一个星期标注完成，且用且珍惜!!!

链接:https://pan.baidu.com/s/1sgDehVpMUrXb3AHceTimfA 

密码:pgmn

• 直接将两个文件夹放置于model_data下

快速开始

1. 下载本项目预训练 权重

• 权重1

https://pan.baidu.com/s/1X08Mj2owTcOJQfsBEpf0YA

• 权重2

https://pan.baidu.com/s/1MIBU41gW1x7aqgQhwglAcw

2. 修改yolo.py中第24行权重路径

3. 将需要检测旗帜图片放入sample文件夹中

4. 运行检测

python yolo_images.py

训练

训练自己的数据 无需使用 预训练的权重 （此方法适用于各类数据）

step 1

• 使用labelImg对数据进行标记

• 得到xml文件，放置于./model_data/label_train/将图片数据放在于./model_data/train/ (建议图片宽高大于416，不然影响训练)

• 将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件，因为数据标记时，标记的为类别id，为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)

step 2

• 执行xml_to_data.py 生成 kitti_simple_label.txt

python xml_to_data.py

step 3

• k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt

python kmeans.py

step 4

• 开始训练(建议epochs大于500，如果内存溢出可减小batch_size。其他参数，按照自己数据，自行修改。)

python train.py

本项目里有40类旗帜

实验效果

阿里云双11大促  服务器ECS  数据库 全场1折

活动地址

1核2G1M，86一年，¥229三年

2核4G3M，¥799三年

2核8G5M，¥1399三年

......

---

阅读过本文的人还看了以下文章：

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

长按图片，识别二维码，点关注

AI项目体验

https://loveai.tech