【yoloV3-keras】 keras-yolov3 进行批量测试 并 保存结果

最新推荐文章于 2024-07-22 11:15:53 发布
最新推荐文章于 2024-07-22 11:15:53 发布
阅读量1.3w 收藏 68
点赞数 70
分类专栏： YOLO_V3学习
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/plSong_CSDN/article/details/89318782
版权
本文介绍了如何使用Keras-YOLOv3进行批量图片测试，并保存检测结果。通过改进代码，实现了快速批量处理图片，每个测试大约0.1s，结果保存为result.txt，包含每个边界框的详细信息。测试实例展示在四张图片上的检测效果，总耗时约11s。完整代码可在Github：https://github.com/plsong/keras-yolo3-test 查看。
摘要由CSDN通过智能技术生成

几个月前自己上手YOLOV3-keras，自己训练了一个数据集。在测试的时候，发现源码作者的测试不好用。自己稍稍修改了一下。

来源于：https://github.com/qqwweee/keras-yolo3

几点改进

（1）批量测试图片

将待测试的图片放入 './test'路径下。

测试的时候，第一张图片需要的时间大约是 2s左右，因为需要加载模型，所需时间就相对较长一些。在博主的机器上，测试一一张图片的时间大约是0.1s左右；

（2）保存测试结果

完成测试后，将测试的结果保存在result文件夹中。方便以后查看

（3）将测试结果输出为一个result.txt文件。

result.txt内容包含了每一个bbox的信息。

效果

待检测的图片

检测结果

result.txt中内容

最低0.47元/天 解锁文章
倔强的大萝卜
关注
专栏目录
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 1625
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,...
keras-yolov3 进行批量测试 并 保存测试结果
04-15
几个月前自己上手YOLOV3-keras，自己训练了一个数据集。在测试的时候，发现源码作者的测试不好用。自己稍稍修改了一下。 几点改进 （1）批量测试图片 将待测试的图片放入 './test'路径下。 测试的时候，第一张图片需要的时间大约是 2s左右，因为需要加载模型，所需时间就相对较长一些。在博主的机器上，测试一一张图片的时间大约是0.1s左右； （2）保存测试结果 完成测试后，将测试的结果保存在result文件夹中。方便以后查看 （3）将测试结果输出为一个result.txt文件。 result.txt内容包含了每一个bbox的信息。
windows下yolov3批量测试并保存到目的文件夹
weixin_44769034的博客
03-22 562
修改src/detector.c 1.在detector.c开头static int coco_ids[] 处添加如下代码，注意修改strncpy(name, q, 30)中的数字，改为测试集图片的名字字符长度（不包括后缀） char *GetFilename(char *p) { static char name[20] = { "" }; char *q = strrchr(p, '/') + 1; strncpy(name, q, 30);//注意后面的6，如果你的测试集的图片
yolov3 ImageNet 预训练权重下载
最新发布
qq_46396470的博客
07-22 204
记得一定要翻到页面最底下的Assets那里才能看到这些权重。
Darknet YoloV3调用python接口进行批量图片检测并保存
qq_34717531的博客
07-21 1304
前置：https://blog.csdn.net/qq_34717531/article/details/107466494 将主函数替换即可。 # 将检测结果绘制到照片上并且保存 if __name__ == "__main__": os.environ["CUDA_VISIBLE_DEVICES"] = "0" net = load_net("/cfg/yolov3.cfg".encode('utf-8'), "/weights/yolov3.weights".encode('ut
yolo批量检测图片
一枚小白的博客
06-05 3644
接上篇博客~（基于google colab） 由于训练集图片和想要检测图片的尺寸不一致的问题，需要将欲检测图片切割，将切割后的小图分别预测再合成大图。这时候涉及到了批量检测图片的问题，查询很多方法大都复杂且不易实现，后参考博客实现了该功能，总结如下： 首先切割图片，根据自己的需求写一个切割图片的脚本，并将切割后的图片保存在一个文件夹下。 生成一个包含该文件夹下所有图片名字的txt文件。 # 这里我保存图片的路径为/mydrive/yolo/outimg !ls -R /mydrive/yolo/outi
【YOLOV3-keras-MAP】YOLOV3-keras版本的mAP计算
热门推荐
倔强的大萝卜的博客
04-24 1万+
前言 为表示尊敬，先贴出来两位大神的源码地址： YOLOV3keras实现地址：https://github.com/qqwweee/keras-yolo3 MAP计算：https://github.com/Cartucho/mAP 本篇文章用到的数据是博主之前的文章《【YOLO初探】之 keras-yolov3训练自己数据集》的数据，测试也用的是那篇文章训练好的权重文件。用了230图片做...
yolov3-keras版本训练自己的数据全过程
奔跑的小仙女
12-18 4113
1、下载文件包：https://github.com/qqwweee/keras-yolo3 2、为此模型建立anaconda虚拟环境。 conda creat -n yolo python=3.6 安装相应的环境，conda install 安装即可 版本号对应： python 3.6.9 cuda 9.2 cudnn 7.3.1 tensorflow-gpu 1.12.0 keras 2....
yolov3批量测试并保存在自定义文件夹下（转载）
jieshaoxiansen的博客
07-30 3010
    YOLOv3的网络训练教程在网上都能找到，最重要是依赖于官网github上的issues解决，如果有些问题不清楚可以百度搜索到，这篇文章主要是针对于训练好自己的网络后的测试命令以及实现批量测试图片并保存的操作：  先说测试并返...
用darknet-yolo批量检测一个文件夹下的图片
xxxy502的博客
02-12 1839
主要参考如下两篇文章 https://blog.csdn.net/wangzy9766/article/details/88749696 https://blog.csdn.net/qq_28534585/article/details/80057195 主要是第一篇文章 修改C的代码，但是我在下面这一步出错了 作者是直接用命令行创建的txt文件 我创建失败了 于是我自己建一个t...
YOLOv3批量测试文件夹的图片
weixin_43193231的博客
03-28 539
1、下载我修改后的detector.c文件 正在上传 2、源码的路径 修改darknet\examples\detector.c文件 替换detector.c文件 3、在替换后的detector.c文件修改你自己的路径 需要修改的函数，看注释 char *GetFilename(char *p) { static char name[20]={""}; char *q = strrchr(p,’/’) + 1; strncpy(name,q,8);//注意后面的6，如果你的测试集的图片的名字字符（不包括后缀
YOLOv4批量测试文件夹里的图片（修改yolov4源码）
weixin_43193231的博客
03-28 872
使用说明 YOLOv4源码，只能测试一张图片。通过修改源码，可以测试一个文件下的所有图片，方便批量生产测试图，提高学习效率。 时间久远，不记得怎么用的，有兴趣可以研究下，曾成功运行过。 修改detector.c后的代码 替换源码中，detector.c文件中的test_detector函数 根据提示输入测试的文件夹目录 源码的detector.c文件：正在上传 需要替换的test_detector函数文件链接：正在上传 void test_detector(char *datacfg, char *cfgf
darknet版yolov3批量图片检测
nicole3375的博客
08-01 336
当我们使用darknet框架使用测试语句时，系统调用程序语句，我们需要的是加入可以连续调用图片的系统，在模型载入内存的情况下，完成图片检测。3、detector.c文件的void test_detector函数替换成下面代码，有三处要修改成自己的路径。2、打开example/detector.c文件，在文件最前面写入以下代码（5、在要批量处理的照片文件夹下建立一个txt文本，里面写着每个图片的绝对路径。4、在darknet目录下，重新make。7、生成的文件在out文件夹下。6、执行批量测试命令。
YOLO V8-Detection 【批量图片推理】 推理详解及部署实现
牧子川的博客
05-22 2717
在实际处理过程中，我们使用YOLO V8进行推理时，通常会针对一张图片进行推理。如果需要对多张图片进行推理，则可以通过一个循环来实现对图片逐张进行推理。单张图片推理时，需要注意图片的尺寸必须是32的倍数，否则可能导致推理失败。批量图片推理时，也需要注意图片的尺寸必须是32的倍数。需要注意的是，在批量推理时，虽然一次推理了多张图片，但实际处理方式仍然是通过循环进行的。在下面的文章中，我们将介绍如何使用更高效的方式进行批量推理，以获得更快的推理速度和更好的性能。
YOLOv3的批量图片检测以及批量输出（windows下）
qq_33350808的博客
03-04 1万+
YOLOv3的批量图片检测 前言：本文写的目的是因为自己在寻找方法的时候看到的博客需要修改的地方太多，容易出错，所以写一个简单一点，也算给自己一个备注。尽量傻瓜式，所以多图警告！本文的批量检测需要： 1. 改极少量的代码（darknet框架下作者的原生代码）。 2. 一个包含所有需要检测图片路径的txt文件，一行为一个图片的地址。 3. 在cmd下输入指令。 1.代码修改 用vs打开d...
win10下yolov3批量测试图片+保存
王大头不吃藕的博客
03-31 2114
1. 修改detector.c文件 用VS打开darknet的工程文件darknet.sln 找到detector.c 在detector.c开头static int coco_ids[] = 下面加一段代码： char *GetFilename(char *p) { static char name[20]={""}; char *q = strrchr(p...
yolov4 批量保存测试结果
shuaijieer的博客
08-25 4285
之前参考了网上的两篇博客，然后自己修改了一下
yolov3-keras训练自己数据集
09-13
要使用yolov3-keras训练自己的数据集，您需要按照以下步骤进行操作： 1. 数据集准备： 首先，您需要准备您自己的数据集，并将其进行标注。您可以使用VOC2007数据集作为参考。确保您的数据集包含正确的文件夹结构，并且您的标注文件与图像文件匹配。 2. 生成训练集和验证集： 根据您的数据集，创建一个用于训练的文件夹和一个用于验证的文件夹。将您的数据集按比例划分到这两个文件夹中。 3. 修改参数文件： 根据您的数据集和需求，修改yolov3.cfg参数文件。确保您根据您的类别数量，修改参数文件中的类别数相关的选项。同时，您还可以根据需要调整其他参数，如输入图片大小等。 4. 修改类别文件： 创建一个voc_classes.txt文件，并在其中列出您的数据集中的类别名称。确保类别名称的顺序与您的标注文件中的类别顺序一致。 5. 修改训练脚本： 修改train.py文件，以便加载您的数据集和参数文件。确保您修改了相关的路径和文件名，并设置正确的训练参数，如批量大小、学习率等。 6. 开始训练： 运行train.py文件，开始训练您的模型。此时，您需要等待训练过程完成。训练时间可能会根据数据集的大小和计算资源的性能而有所不同。 请注意，您还需要安装相应的环境依赖，如tensorflow-gpu和keras，确保您的环境与yolov3-keras的要求一致。另外，您还可以参考相关的行动计划和具体实现内容，以了解更多关于训练自己数据集的细节。 总结起来，要使用yolov3-keras训练自己的数据集，您需要准备数据集、生成训练集和验证集、修改参数文件、修改类别文件、修改训练脚本并开始训练。记得根据自己的需求进行相应的调整和修改。希望这些信息对您有所帮助！
评论 134
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