keras-yolov3训练及测试详解

最新推荐文章于 2024-03-15 21:06:36 发布

qq_40170351

最新推荐文章于 2024-03-15 21:06:36 发布

阅读量1.3w

点赞数 21

文章标签： yolov3 keras python

本文链接：https://blog.csdn.net/qq_40170351/article/details/88594425

版权

本教程详细介绍了使用keras-yolov3进行目标检测模型的训练和测试过程，包括数据集准备、模型训练和性能评估。通过修改相关配置，适应不同数据集，调整训练参数，实现模型的定制化训练。最后，提供了测试单张图片、视频和摄像头的方法，以及计算PR曲线和MAP的步骤。

摘要由CSDN通过智能技术生成

本教程为keras-yolov3版本的训练及测试全过程实现，为保证对新手的友好性，不会过多解释原理，主要是让新手能对全过程有个比较清楚的概念和认识，方便训练自己的数据。
本教程一共有三个部分：一.数据集准备及生成二.训练所需知识三.测试及相关性能测试可视化

一.数据集准备及生成：
1.先来熟悉文件结构
在这里插入图片描述
font文件夹下是保存keras-yolov3可能会调用到的字体及颜色，在测试部分有用，方便在图片上显示相应文字标签

logs文件夹是保存模型权重的，在训练时也会保存tensorflow下的tensorboard可视化图，可供查看训练曲线

model_data文件夹下保存有coco_classes.txt，tiny_yolo_anchors.txt，voc_classes.txt，yolo.h5，yolo_anchors.txt，yolo-tiny.h5这6个文件，其中必须需要的是后5个。因为在本次训练中，全程按照VOC2007数据集格式来，所以coco_classes.txt文件中保存的coco数据集类别数据可以删除不要，而后5个分别是yolo和tiny-yolo的anchors(锚点)大小和其在原版darknet下载训练并转换成keras模型的预训练权重，这些在训练过程中都要用到。

results文件夹是保存测试部分中对测试集图片进行测试的结果，在测试分析中需要用到

VOCdevkit文件夹是所有数据存放的文件夹，其下文件夹目录为

在这里插入图片描述
进入VOC2007文件夹可看到