yolov3识别探地雷达仿真数据(数据集制作，训练，测试)

最新推荐文章于 2023-08-22 00:30:00 发布

gujiguji_c

最新推荐文章于 2023-08-22 00:30:00 发布

阅读量9.3k

点赞数 14

文章标签： python 深度学习神经网络

本文链接：https://blog.csdn.net/gujiguji_c/article/details/107440821

版权

本文介绍了如何使用yolov3进行探地雷达仿真数据的识别，包括数据集制作、训练和测试过程。通过gprMax3生成仿真数据，使用python脚本批量处理，并借助labelImg进行数据标注。在训练阶段，修改了yolov3的配置文件以适应任务需求。然而，测试时遇到了标签名称不匹配的问题。

摘要由CSDN通过智能技术生成

yolov3识别探地雷达仿真数据

利用yolov3目标检测的功能对探地雷达数据进行检测。具有一定的研究意义。
环境准备：ubuntu18.04,darknet平台，python3.7,CUDA10.0,GTX1050Ti

仿真数据制作

仿真数据需要安装gprMax3,gprMax3是生成gpr数据的工具，可到官网下载，它是一个开源工具也可以访问github仓库进行安装，官方安装教程。

批量生成in文件

由于只是简单的做下实验，对于仿真数据没有太高的要求所以，笔者利用python 脚本生成了100个in文件实现代码如下：

import os
import math
import random
filePrefix = 'data_'   #文件前缀
fileSuffix = '.in'    #文件后缀
for i in range(100):
    filename = filePrefix+str(i)+fileSuffix
    e1 = random.randint(1,10)	#Mate1的介电常数
    e2 = random.randint(1,10)	#Mate2的介电常数
    x = random.uniform(0.20,0.70)#目标的中心ｘ坐标
    x = round(x,2)		
    y = random.uniform(0.10,0.40)#目标的中心y坐标
    y = round(y,2)
    Twindows = (0.2*math.sqrt(e1)+0.24*math.sqrt(e2))/3e8*2
    # Twindows = round(Twindows,2)
    fl = open(filename,'w')
    fl.write('#title: '+filename