【深度学习目标检测】一、基于yolov3的水果商品检测分类

【深度学习目标检测】一、基于yolov3的水果商品检测分类

本文的目标是使用yolov3目标检测算法实现水果检测，使用的深度学习框架为paddlepaddle，目标检测算法框架paddledetection。检测效果图如下：


一、数据集介绍
数据集格式为VOC格式，共包含3类图片（苹果，香蕉和橘子），每类有100张图片，其中80张用于训练集，20张用于验证集。
数据集目录如下：

数据集部分图片：

二、算法原理
yolov3算法原理可以参考以下：
1、【论文解读】Yolo三部曲解读——Yolov3
2、YOLOv3详解：从零开始搭建YOLOv3网络
三、检测结果
本文采用YOLOV3算法进行目标检测，backbone选择MobileNetV3，使用PaddleDetection进行训练，训练250轮结果后，结果示例如下。
原图：

上图检测结果：

再来一张多个目标的图：

检测结果：

四、目录说明
代码压缩包解压后如图所示，readme内包含使用说明。
images：示例图片文件夹
output：预测结果存放
yolov3_mobilenet_v3_large_voc：权重文件
infer.py：推理代码
preprocess.py：预处理代码
visualize.py：可视化代码
五、使用
1、安装python环境，python>=3.6
2、安装paddlepaddle，命令：
pip install paddlepaddle==2.2.0
3、安装依赖，命令：
pip install -r requirements.txt
4、预测，命令：
python .\infer.py --model_dir=yolov3_mobilenet_v3_large_voc --image_file=images\mixed_6.jpg
5、预测自己的图片，命令：
python .\infer.py --model_dir=yolov3_mobilenet_v3_large_voc --image_file={自己的图片路径}

六、链接
代码：https://download.csdn.net/download/qq_40035462/82338724
在线免费体验效果（建议使用下面数据集中的图片，其他的效果可能不好）：http://www.aiplayground.site
数据集：水果数据集（有用的话请点一下右上角的喜欢）