模型训练:
1.使用labelimg.exe进行特征标记
可使用按钮对xml保存路径进行更改。
2.更改voc_classes.txt中的特征类型,需与labelimg.exe中为图片标记的类型一致
如:
Weslie
Tibbie
Paddi
Sparky
Jonie
slowy
3.生成TXT文件(运行voc_annotation.py)
annotation_mode = 0
4.更改train.py的优化器和迭代次数
optimizer_type = "adam"
# SGD需要更长的时间收敛,因此设置较大的UnFreeze_Epoch
# Adam可以使用相对较小的UnFreeze_Epoch
UnFreeze_Epoch = 100
# 迭代次数
运行train.py等待训练完成
图像检测:
1.更改yolo.py中
"model_path" : 'model_data/goat.pth'
# "model_path" 表示权值文件路径,此处为本人自己训练出的模型路径
"confidence" : 0.1
# "confidence" 表示置信度,大于0.1的才会被保留下来
2.更改coco_classes.txt中的检测类型
如:
Weslie
Tibbie
Paddi
Sparky
Jonie
slowy
3.运行predict.py
交互式终端中出现
'Input image filename:'
时,键入需检测图片的相对地址,按“Enter”键确定,得到检测结果: