tiny YOLO v3做缺陷检测实战

前言：接触yolo网络是在七月份，当时把yolo检测的论文以及R-CNN系列，SSD等一些论文看了一下，感觉内容很丰富，也尝试了darknet版本的实现，和yolo v3的实现，在网上也有很多关于上面两种的实现，这里就不讲了。九月份用tiny-yolo v3做了一个缺陷检测的实验，效果出乎意料，准确率和召回率“满分”！！过了三个月才想着把以前的实验总结一下，真不应该。下面从头开始说明怎么在自己的数据集上实现tiny-yolo v3，码字不易，给赞啊，代码是在别人的基础上修改的，放到了github上，感谢加星：https://github.com/Eatzhy/tiny-yolov3  有问题欢迎交流，会帮忙解决。

1、对图像进行转格式和编队

因为实验使用的缺陷图像为DAGM的数据集，大小为512×512格式为PNG，而tiny-yolo v3输入的格式为jpg，大小为416×416(也有人说tiny网络输入是224×224大小，我们先不管到底哪个，代码在修改的时候是416)，对图像转格式，编队代码如下。

将代码copy下来和缺陷图像文件夹放到一个路径，改一下代码的路径名就ok。转换完之后大概是这个样子（部分图片）：

# -*- coding: utf-8 -*-

'''
将png转jpg
resize到416
并给图片编队
待转换的图像存放在data下，程序运行后，data下获得的是jpg格式
pre_data存放是png格式
'''
import os 
from PIL import Image 
import shutil 
import sys 
  
#创建一个文件，存放原图
output_dir = 'pre_data' 
if not os.path.exists(output_dir): 
  os.mkdir(output_dir) 
    
def image2png(dataset_dir,type):
    #转换格式并resize到一定大小
    files = [] 
    image_list = os.listdir(dataset_dir) 
    files = [os.path.join(dataset_dir, _) for _ in image_list] 
    for index,png in enumerate(files): 
        if index > 100000: 
            break
        try:
            sys.stdout.write('\r>>Con