YoloV3 study

确保本机器已经成功安装了tensorflow, keras, opencv, python3.x
  • 下载python code

https://github.com/xiaochus/YOLOv3

  • 下载darknet model

https://github.com/xiaochus/YOLOv3  从quick start中下载已经训练好的model,230+M

  • 将darknet model转换为h5

进入yolov3 目录, python yad2k.py cfg/yolo.cfg yolov3.weights data/yolo.h5

  • 使用转换后的model进行测试

python demo.py



  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
yolov8是一种目标检测算法,predict是yolov8中的一个方法,用于对yolov8是一种目标检测算法,predict是yolov8中的一个方法,用于对yolov8是一种目标检测算法,predict是yolov8中的一个方法,用于对输入的图像进行目标检测并返回检测结果。下面是yolov8运行predict的示例代码: from ultralytics import YOLO import cv2 # 加载模型 model = YOLO("yolov8-seg.yaml").load('yolov8n-seg.pt') # 进行预测 results = model.predict(r'E:\CS\DL\yolo\yolov8study\bus.jpg') # 获取检测结果 boxes = results.boxes masks = results.masks probs = results.probs # 打印结果 print(f"boxes:{boxes}") print(f"masks:{masks.xy }") print(f"probs:{probs}") 在这个示例中,我们首先加载了yolov8模型yolov8是一种目标检测算法,predict是yolov8中的一个方法,用于对输入的图像进行目标检测并返回检测结果。下面是yolov8运行predict的示例代码: from ultralytics import YOLO import cv2 # 加载模型 model = YOLO("yolov8-seg.yaml").load('yolov8n-seg.pt') # 进行预测 results = model.predict(r'E:\CS\DL\yolo\yolov8study\bus.jpg') # 获取检测结果 boxes = results.boxes masks = results.masks probs = results.probs # 打印结果 print(f"boxes:{boxes}") print(f"masks:{masks.xy }") print(f"probs:{probs}") 在这个示例中,我们首先加载了yolov8模型,然后使用predict方法对一张图片进行目标检测,最后获取检测结果并打印输出。需要注意的是,predict方法的输入可以是一个文件路径,也可以是一个numpy数组。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值