Tensorflow-cpu + Keras安装
1. 框架安装
ubuntu下有两个版本的 python，即 python2.7 和 python3.5
在终端输入 python 默认打开的是 python2.7
输入 python3 打开的是 python3.5
本文装的是 python3.5 下的 tensorflow 和 keras
sudo pip3 install tensorflow
sudo pip3 install keras
# 打开 python3，输入以下命令无报错即可
import tensorflow
import keras
Using TensorFlow backend
2. Keras数据增广
数据集不足时需要进行数据增广
参考这里
2.1. 数据增广方式
数据增广具有多种方式，
从几何角度来讲，包括平移、旋转、镜像、裁剪、缩放等；
从像素角度来看，包括颜色抖动，添加椒盐噪音和高斯噪音干扰等，也可以进行不同操作间的排列组合。
2.1. Keras 数据增广
配置好以上环境后，直接运行 data_augmentation_by_keras.py 文件即可
具体代码原理见参考文献
from keras.preprocessing.image import ImageDataGenerator,array_to_img,img_to_array,load_img
datagen=ImageDataGenerator(
rotation_range=40,
width_shift_range=0.2,
height_shift_range=0.2,
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True,
fill_mode='nearest')
img=load_img('test/00216.jpg')
x=img_to_array(img)
x=x.reshape((1,)+x.shape)
i=0
for batch in datagen.flow(x,batch_size=1,
save_to_dir='1',save_prefix='cucumber',save_format='jpg'):
i+=1
if i>50:
break
如果不想配置以上环境，可运行以下代码，实现对图片的镜像，翻转和加噪
import cv2
import numpy as np
import os.path
import copy
def rotate(image, angle, center=None, scale=1.0):
(h, w) = image.shape[:2]
# If no rotation center is specified, the center of the image is set as the rotation center
if center is None:
center = (w / 2, h / 2)
M = cv2.getRotationMatrix2D(center, angle, scale)
rotated = cv2.warpAffine(image, M, (w, h))
return rotated
def noiseing(img):
#img = cv2.cvtColor(rgbimg, cv2.COLOR_BGR2GRAY)
param = 30
grayscale = 256
w = img.shape[1]
h = img.shape[0]
newimg = np.zeros((h, w, 3), np.uint8)
#row and col
for x in xrange(0, h):
for y in xrange(0, w, 2): #Avoid exceeding boundaries
r1 = np.random.random_sample()
r2 = np.random.random_sample()
z1 = param * np.cos(2 * np.pi * r2) * np.sqrt((-2) * np.log(r1))
z2 = param * np.sin(2 * np.pi * r2) * np.sqrt((-2) * np.log(r1))
fxy_0 = int(img[x, y, 0] + z1)
fxy_1 = int(img[x, y, 1] + z1)
fxy_2 = int(img[x, y, 2] + z1)
fxy1_0 = int(img[x, y + 1, 0] + z2)
fxy1_1 = int(img[x, y + 1, 1] + z2)
fxy1_2 = int(img[x, y + 1, 2] + z2)
# f(x,y)
if fxy_0 < 0:
fxy_val_0 = 0
elif fxy_0 > grayscale - 1:
fxy_val_0 = grayscale - 1
else:
fxy_val_0 = fxy_0
if fxy_1 < 0:
fxy_val_1 = 0
elif fxy_1 > grayscale - 1:
fxy_val_1 = grayscale - 1
else:
fxy_val_1 = fxy_1
if fxy_2 < 0:
fxy_val_2 = 0
elif fxy_2 > grayscale - 1:
fxy_val_2 = grayscale - 1
else:
fxy_val_2 = fxy_2
# f(x,y+1)
if fxy1_0 < 0:
fxy1_val_0 = 0
elif fxy1_0 > grayscale - 1:
fxy1_val_0 = grayscale - 1
else:
fxy1_val_0 = fxy1_0
if fxy1_1 < 0:
fxy1_val_1 = 0
elif fxy1_1 > grayscale - 1:
fxy1_val_1 = grayscale - 1
else:
fxy1_val_1 = fxy1_1
if fxy1_2 < 0:
fxy1_val_2 = 0
elif fxy1_2 > grayscale - 1:
fxy1_val_2 = grayscale - 1
else:
fxy1_val_2 = fxy1_2
newimg[x, y, 0] = fxy_val_0
newimg[x, y, 1] = fxy_val_1
newimg[x, y, 2] = fxy_val_2
newimg[x, y + 1, 0] = fxy1_val_0
newimg[x, y + 1, 1] = fxy1_val_1
newimg[x, y + 1, 2] = fxy1_val_2
#newimg = cv2.cvtColor(newimg, cv2.COLOR_GRAY2RGB)
cv2.destroyAllWindows()
return newimg
#i = 0
# 注意：该路径下应该是一个文件夹，而不是图片
# 将所有图片放进resize文件夹下的data文件夹内
file_dir = "/home/chris/darknet/scripts/VOCdevkit/VOC2007/resize/"
for class_name in os.listdir(file_dir):
#for index,name in enumerate(classes):
class_path = file_dir+class_name+"/"
for img_name in os.listdir(class_path):
img_path = class_path + img_name
image = cv2.imread(img_path)
#Simple rotation 90 degrees
rotated = rotate(image, 90)
cv2.imwrite(class_path + '/' + img_name[0:7] +'_ro90.jpg', rotated)
#Rotate 180 degrees and add Gaussian noise
rotated = rotate(image, 180)
# if __name__ == '__main__':
#print 'load %s ...' % fn
#img = cv2.imread(rotated)
# coutn = 100000
# for k in xrange(0, coutn):
# get the random point
# xi = int(np.random.uniform(0, rotated.shape[1]))
# xj = int(np.random.uniform(0, rotated.shape[0]))
# # add noise
# if rotated.ndim == 2:
# rotated[xj, xi] = 255
# elif rotated.ndim == 3:
# rotated[xj, xi, 0] = 25
# rotated[xj, xi, 1] = 20
# rotated[xj, xi, 2] = 20
#cv2.namedWindow('img')
#cv2.imshow('img', img)
#cv2.waitKey()
# cv2.destroyAllWindows()
#newimg = skimage.util.random_noise(rotated, mode='salt', seed=None, clip=False)
newimg = noiseing(rotated)
#newimg = cv2.cvtColor(newing, cv2.COLOR_GRAY2BGR)
cv2.imwrite(class_path + '/' + img_name[0:7] + '_rono.jpg', newimg)
#Image processing
size = image.shape
#Get an image that is the same as the original image, note this to use deep copy
iLR = copy.deepcopy(image)
h = size[0]
w = size[1]
for i in range(h): # row and col
for j in range(w):
iLR[i, w - 1 - j] = image[i, j] # Mirror formula
cv2.imwrite(class_path + '/' + img_name[0:7] + '_mirr.jpg', iLR)
3. YOLOv2模型转换
将 darknet 框架的 cfg 和 weights 文件转换成 Keras 框架可识别的文件
3.1. YAD2K 下载
YAD2K 的运行需要 Tensorflow + Keras 的环境
git clone https://github.com/allanzelener/YAD2K
3.2. 模型转换
# 将 Darknet YOLOv2 model 转换为 Keras model
# 注意：该工具只支持 YOLOv2 版本
python3 yad2k.py yolo.cfg yolo.weights model_data/yolo.h5
3.3. 模型测试
首先更改 YAD2K-master\model_data\coco_classes.txt 对应类别名称
# 图片位于 images/文件夹
# 输出结果在images/out/文件夹
python3 test_yolo.py model_data/yolo.h5
3.4. 其他
- 修改字体大小
打开test_yolo.py，跳转至 153 行打开test_yolo.py，跳转至 153 行
font = ImageFont.truetype(
font='font/FiraMono-Medium.otf',
size=np.floor(4e-2 * image.size[1] + 0.5).astype('int32'))
# size=np.floor(3e-2 * image.size[1] + 0.5).astype('int32'))
thickness = (image.size[0] + image.size[1]) // 300
- 名称修改
为了避免修改源码，将 yolov2-tiny-voc.cfg 和相应的权重文件名称修改为 yolo.cfg 和 yolo.weights
4. YOLOv3模型转换
4.1. keras-yolo3下载
git clone https://github.com/qqwweee/keras-yolo3
4.2. 模型转换
# 注意：该工具只支持 YOLOv3 版本
python3 convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
4.3. 模型测试
运行以下命令，按照提示输入图片名称即可
# 图片位于 images/文件夹
# 输出结果在images/out/文件夹
python3 yolo_video.py --image
4.4. 其他
- yolov3-tiny 转换问题
在转换 yolov3-tiny 后进行测试时报错模型/anchors boxes 不一致
是因为默认加载的是 yolo_anchors.txt 而不是 tiny_yolo_anchors.txt
这两个文件内的比例数量是不一样的，只需将 tiny_yolo_anchors.txt 的名称暂时改为 yolo_anchors.txt 即可。
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
