从RCNN, fast RCNN, 到faster RCNN, YOLO, 以及最新的YOLO2, 检测的速度是越来越快了, 最新的YOLO2据作者说可以达到67Fps, 支持的种类达9000.想看效果的请戳这里YOLO2 .
这么快速度,当然很多人估计跟我一样,想把它用来检测特定类的物体。这里,我将根据自己查找的一些资料,以及自己的实践,告诉大家怎么在YOLO2中增加识别自己需要的物体。
主要分为2部分, 第一部分介绍如何制作自己的训练集和测试集。第二部分,介绍如何进行训练和测试。
一、用BBox-Label-Tool制作训练集
1. 下载BBox-Label-Tool
下载地址BBox-Lable-Tool
2. 修改main.py
1) 将126行self.category = int(s)
改为self.category = s
2) 将133行self.imageDir = os.path.join(r'./Images', '%03d' %(self.category))
改为self.imageDir = os.path.join(r'./Images', '%s' %(self.category))
3) 将144行self.outDir = os.path.join(r'./Labels', '%03d' %(self.category))
改为self.outDir = os.path.join(r'./Labels', '%s' %(self.category))
这样我们可以在Images目录下使用英文名目录而不是只有数字, Images目录下创建自己的目录用于放置你需要进行标注的图片集,比如在Images下创建myobject目录,然后把你要标注的图片(最少3