【目标检测一】YOLOV3从训练、测试到批量保存测试结果

最新推荐文章于 2024-08-05 18:41:17 发布
置顶 最新推荐文章于 2024-08-05 18:41:17 发布
阅读量2.1w 收藏 103
点赞数 16
分类专栏： YOLOv3 目标检测 文章标签： YOLOv3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gusui7202/article/details/83781719
版权
本文详细介绍了如何使用YOLOv3进行目标检测，包括数据整理、训练过程、LOSS与IOU曲线的绘制、单张及批量图片的测试方法，并提供了相关代码和配置文件的修改说明。
摘要由CSDN通过智能技术生成

本文从假设你已经有一个图像数据集和xml标签数据集了。然后从VOC2007数据集的制作开始说。

数据整理方法---训练方法-----利用训练日志绘制Loss\IOU等曲线的方法------测试方法---------批量测试方法

 

数据整理方法：

（假设你只想要其中某些类，就要用程序剔除不要的标签、然后删除空标签以及对应图像。注意备份）

 

 

 

训练自己的数据

训练带正常螺栓的数据集

        -采用的初始权重为：首先Imagenet训练过，然后经过我们螺栓库训练过，然后经过提包线夹脱销数据集训练过得到的yolov3模型权重。

        -问题：之前训练过yolov3，但这一次还是调整了半天，说明模型的训练过程中，不能单单的跑出来，要记录具体的训练步骤，以及处理过程。

        -具体流程如下

 

  • 修改cfg中voc.data:，

               

最低0.47元/天 解锁文章
南石北岸生
关注
专栏目录
YOLOV4-darknet批量测试并保存图片
一抹阳光的博客
09-10 4917
采用的代码是YOLOV4官方源码，地址为：https://github.com/AlexeyAB/darknet 论文链接：https://arxiv.org/abs/2004.10934 具体的配置和训练到检测可以参考我的上一篇博客：YOLOV4训练自己的数据集—从环境配置到完成检测任务（Windows） 这篇主要是针对在检测时，我们可能有一种需求就是：将检测完成后的图片保存到自己的文件夹中 首先在源码文件夹中找到src/detector.c源文件 将detector.c的test_detector函数
YOLOv3将产生的检测结果依序保存到指定文本文件
qionggaobi9328的博客
05-01 1629
这是对修改YOLOv3源码的又一次尝试，由于附带了相关文件的全文，故显得文章比较长，其实总共仅修改了4处。 针对src文件夹下的image.c和demo.c两个C文件进行如下修改： 1、对image.c的修改 共两处修改，都在draw_detections函数中，详见该函数中的注释： void draw_detections(image im, detection *dets, int num,...
目标检测 | yolov3 原理和介绍
最新发布
hhl_work的博客
08-05 1445
YOLOv3 擅于预测出合适的目标，但无法预测出非常精准的边界框。YOLOv3 小目标预测能力提升，但中大目标的预测反而相对较差。若将速度考量进来，YOLOv3 整体来说表现非常出色。YOLOv3在小目标\密集目标的改进1.grid cell个数增加，YOLOv1（7×7），YOLOv2（13×13），YOLOv3（13×13+26×26+52×52）2.YOLOv2和YOLOv3可以输入任意大小的图片，输入图片越大，产生的grid cell越多，产生的预测框也就越多。
yolov3运行及保存检测视频（包括摄像头）
热门推荐
rs勿忘初心的博客
04-16 5万+
新代码：可用，如果不想在老代码上折腾更改，可以直接根据下面的新地址拉取代码。  （注意看Readme） --------------------更新20180703----------------- 由于以前上传的项目有点点小问题，完整更新项目及说明如下链接。 https://github.com/RongSong1993/YOLOv3-SaveVideo-New/tree/master ...
YOLOv3视频检测结果保存（简）
weixin_42305206的博客
11-05 2967
视频检测方法： 找到darknet_yolo_v3_video.cmd darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 -ext_output test.mp4 其中-ext_output是输出目标检测的坐标，后边写的test.mp4就是输入视频文件 检测结果保存 dark...
YOLOv3如何保存检测视频
xiaqi4145
11-28 2423
老板接的无人货柜项目，需要前端用一个多分类器，对fps要求高，于是就直接用了yolov3（darknet）来做为base model，关于如何训练自己的数据就不展示了，网上很多教程，讲的也很清楚，不难。如果有问题，可以留言一起讨论，下面说说用训练好的模型怎么检测视频，然后将检测结果保存到本地。 1、打开image.c，修改后的完整文件如下：其中 //********************...
YOLOv3使用笔记——保存检测视频结果
Gotta-C的博客
05-31 1万+
https://github.com/RongSong1993/YOLOv3_SaveVideo1.测试视频主要是调用到detector demo，主要修改的是demo.c中的demo函数。./darknet detector demo ./cfg/voc.data ./cfg/yolov3-voc.cfg ./results/yolov3-voc_final.weights 1.mp4 -gpu...
pycharm下python使用yolov3/yolov3-tiny训练好的权重文件.weights进行行人检测，批量测试自定义文件夹下的图片并输出至指定文件夹
12-21
在本文中，我们将探讨如何在PyCharm环境下利用Python结合YOLOv3或YOLOv3-tiny模型，使用预先训练好的权重文件进行行人检测，并批量处理自定义文件夹中的图片，将检测结果输出到指定文件夹。这个过程对于目标识别和...
基于Pytorch1.7的YOLOV3实现，学习如何使用深度学习框架完成一个目标检测模型的建立、训练和测试.zip
05-09
总结一下，本教程将引导你完成从构建YOLOv3网络模型到训练和测试的全过程，帮助你深入理解目标检测技术以及如何利用PyTorch进行深度学习实践。通过这个项目，你不仅能够提升自己的编程技能，还能对深度学习目标检测...
YOLOv3训练自己的数据、批量测试、测试召回率步骤总结
奔跑的小仙女
05-28 8240
系统：ubuntu16.04.5 查看命令：cat /etc/issue GPU：RTX 2070 查看命令：nvidia-smi python：2.7.15 查看命令：python opencv:3.4.0 查看命令：pkg-config --modversion opencv CUDA Version：8.0.61 查看命令：cat /usr/local/cuda/...
YOLOv3的dectect.py文件在服务器上保存结果图片
m0_37382341的博客
03-11 333
from __future__ import division from models import * from utils.utils import * from utils.datasets import * import os import sys import time import datetime import argparse from PIL import Image ...
yolov3+opencv+视频检测保存
babyzbb636的博客
09-07 4114
目录 1.opencv的安装 1）去官网下载opencv 2）解压下载下来的zip包 3）安装必须库和cmake-gui 4）cmake-gui编译 5）make和make install 6）路径设置 7）测试一下： 2.yolov3源码更改与排错 Error1：cv_window_normal未定义 Error2：showimage参数不足 3.测试视频与保存 1)...
目标检测之YOLOv3
thisiszdy的博客
04-25 704
一、目标检测之YOLOv3 YOLOv3: An Incremental Improvement 论文链接：https://arxiv.org/abs/1804.02767 论文翻译：https://zhuanlan.zhihu.com/p/34945787 论文详解： 2、https://blog.paperspace.com/tag/series-yolo/ 3、https://blog.c...
【深度学习】YOLOv3将产生的检测结果依序保存到指定文本文件
qq_30885821的博客
06-11 748
这是对修改YOLOv3源码的又一次尝试，由于附带了相关文件的全文，故显得文章比较长，其实总共仅修改了4处。 针对src文件夹下的image.c和demo.c两个C文件进行如下修改： 1、对image.c的修改 共两处修改，都在draw_detections函数中，详见该函数中的注释： void draw_detections(image im, detection *dets, int num, float thresh, char **names, image **alphabet, int class
yolov3批量测试
qq_47658900的博客
03-16 221
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言代码总结 前言 参考博客：https://blog.csdn.net/weixin_42747301/article/details/96636614 在实践过程中，发现批量检测部分的代码出现一些报错，摸索出可行的代码，如下。 代码 Step1：用下面代码替换detector.c文件（example文件夹下）的void test_detector函数（注意有3处要改成自己的路径） void test_detector(ch.
darknet-yolov3训练自己的数据集，并测试训练结果
SORI-
04-23 587
来源：https://blog.csdn.net/qq_42145185/article/details/105816128  参考链接：https://www.cnblogs.com/answerThe/p/11481564.html  (参考链接已经讲的很清楚了，这里就不再赘述，下面是完成之后，记录在走参考链接时一部分自己看的笔记)   自己的数据集下载链接：https://download.csdn.net/download/qq_42145185/12373126
进击的YOLOv3，目标检测网络的巅峰之作 | 内附实景大片
weixin_33753003的博客
05-11 481
YOLOv3的前世今生 2015 年，R-CNN 横空出世，目标检测 DL 世代大幕拉开。 各路豪杰快速迭代，陆续有了 SPP，fast，faster 版本，至 R-FCN，速度与精度齐飞，区域推荐类网络大放异彩。 奈何，未达实时检测之基准，难获工业应用之青睐。 此时，凭速度之长，网格类检测异军突起，先有 YOLO，继而 SSD，更是摘实时检测之桂冠，与...
批量训练、参数保存与提取-pytorch
weixin_37980595的博客
05-18 661
简单回归问题 以简单回归问题为例，实现神经网络的小批量训练、网络参数保存以及参数提取。 简单回归问题的神经网络实现可见：【简单回归问题的神经网络实现-pytorch】 dataLoader定义 dataLoader是torch提供用于封装数据的工具，可以有效实现网络训练过程中的批量训练问题。 #生成DataLoader数据结构 def dataLoader(x,y): #将torch转换为Dataset torch_dataset = Data.TensorDataset(x, y)
yolov7训练与测试
09-08
Yolov7的训练与测试过程主要包括以下几个步骤： 1. 准备深度学习环境：首先需要安装和配置深度学习环境，包括安装Python、CUDA、cuDNN等必要的软件和库。这些环境的配置可以根据中提供的教程进行操作。 2. 数据集制作：为了训练Yolov7模型，需要准备一个数据集。数据集应该包含相应的图像和标注信息，标注信息通常以yolo格式保存。可以参考中提供的数据集制作教程进行操作。 3. 模型训练：一旦准备好了数据集，就可以开始进行模型的训练了。训练过程中需要设置一些参数，如学习率、批量大小等。可以参考中提供的教程进行模型训练。 4. 模型测试：在模型训练完成后，可以使用测试集对模型进行评估。测试集包含一组没有用于训练的图像和对应的标注信息。通过计算模型在测试集上的准确率、召回率等指标，可以评估模型的性能。 5. 模型推理：训练好的模型可以用于实际应用中的目标检测任务。通过加载训练好的权重文件，可以对新的图像进行目标检测，并输出检测结果。 总结来说，Yolov7的训练与测试过程包括准备深度学习环境、数据集制作、模型训练、模型测试和模型推理。具体的步骤和操作可以参考提供的教程和资源。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论 48
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值