Poly-YOLO keras代码记录

mAP提升40%！YOLO3改进版—— Poly-YOLO：更快，更精确的检测和实例分割

上图看测试效果
youtube 上有视频展示：https://www.youtube.com/watch?v=2KxNnEV-Zes

环境要求：

demo链接：https://gitlab.com/irafm-ai/poly-yolo

提示：论文所用的python3.5作者已经试过，发现不能安装tensorflow-gpu 1.15.0版本，换成python3.6成功：
详细环境：

• python3.6
• tensorflow-gpu 1.15.0
• keras 2.3.0
• numpy pillow matplotlib opencv
• cuda 10.2
• Ubuntu16.04

---

环境安装：

1、conda 环境安装：

wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
bash Anaconda3-2020.11-Linux-x86_64.sh

一路敲 Enter 键 和输入yes ，然后验证PATH环境变量是否生效，出现conda版本则安装成功

source ~/.bashrc
conda -V

2、conda虚拟环境创建

conda create -n POLY_YOLO  python=3.6
conda activate POLY_YOLO

3、虚拟环境中python包的安装
PS：执行以下命令的时候如果出现，添加channel的提示，请换源https://blog.csdn.net/weixin_38705903/article/details/106168366

conda install tensorflow-gpu==1.15.0
conda install keras==2.3.0
conda install numpy
conda install pillow
conda install opencv
conda install matplotlib

---

demo：

准备数据集，制作成train.txt val.txt test.txt放到路径poly-yolo-master/poly_yolo下
论文代码中，将coco数据集转成yolo需要的数据集格式，脚本已给出：

/poly-yolo-master/poly_yolo/conversion_scripts/coco_to_yolo.py

poly_yolo数据格式为：
（path_to\image1.jpg x1,y1,x2,y2,class,p1x,p1y,pnx,pny x1,y1,x2,y2,class,p1x,p1y,pnx,pny)，
其中x1,y1,x2,y2为bbox框的左上角和右下角，class为类别标签，p1x,p1y,pnx,pny为语义分割的vertexes。

模型训练：

python poly_yolo.py

模型预测：使用jupyter执行poly_yolo_inference.ipynb

---

BUG列举：

1、K.learning_phase(): 0此处报错：
Etensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_INTER

解决方法：

import tensorflow as tf
#=======
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
#======

2、由于博主主机之前安装了ROS，因而不能引入cv2报错：

解决方法：

import sys
ros_path = '/opt/ros/kinetic/lib/python2.7/dist-packages'

if ros_path in sys.path:
    sys.path.remove(ros_path)

import cv2
sys.path.append('/opt/ros/kinetic/lib/python2.7/dist-packages')