一、环境配置
- 操作系统:Windows 10
- IDE:Pycharm
- Python: 3.6.2 且已安装好
tensorflow
,keras
,pyqt5
,lxml
包
二、快速使用yolo3预测图片
-
keras-yolo3源代码, 下载到本地后用 Pycharm 打开。
-
初始权重文件,在QQ群文件中,下载好后放在 上述文件
keras-yolo3
一级目录下。 -
命令行中执行如下命令将 darknet 下的 yolov3 配置文件转换成 keras 适用的 .h5 文件。
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
-
运行预测图像程序
python yolo_video.py --image
一切正常的话,会让你输入待识别的图片路径,图片目录以
keras-yolo3
为一级目录。若待测图片放在该一级目录下,则直接输入图片名即可。Input image filename:test.jpg
以上。
三、训练自己的数据集进行目标检测
-
在该项目中新建文件夹如下所示:
-
安装数据标记工具 labelImg
用 powershell 进入到该项目根目录下,执行
pyrcc5 -o resources.py resources.qrc python labelImg.py
弹出用户界面,使用如下:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8CkFqtfc-1575176882388)(https://s2.ax1x.com/2019/03/20/AKEXdI.png)]
-
在
keras-yolo3
一级目录下新建test.py
,如上上图。复制如下代码:import os import random trainval_percent = 0.2 train_percent = 0.8 xmlfilepath = 'Annotations' txtsavepath = 'ImageSets\Main' total_xml = os.listdir(xmlfilepath) num = len(total_xml) list = range(num) tv = int(num * trainval_percent) tr = int(tv * train_percent) trainval = random.sample(list, tv) train = random.sample(trainval, tr) ftrainval = open('ImageSets/Main/trainval.txt', '