DeepLearning4j-使用Java训练YOLO模型

最新推荐文章于 2025-03-24 16:21:21 发布

寒沧

最新推荐文章于 2025-03-24 16:21:21 发布

阅读量1.3w

点赞数 10

分类专栏： deeplearning4j DeepLearning4j

本文链接：https://blog.csdn.net/u011669700/article/details/79886619

版权

这篇博客介绍了如何利用DeepLearning4j在Java环境中训练YOLO模型，特别是针对YOLOv3。内容涵盖数据集准备、模型训练参数、数据读取、模型构建、训练过程及可视化，以及训练结果和代码资源分享。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DeepLearning4j-使用Java训练YOLO模型

在这个Yolo v3发布的大好日子。
Deeplearning4j终于迎来了新的版本更新1.0.0-alpha，在zoo model中引入TinyYolo模型可以训练自己的数据用于目标检测。

不得不说，在Yolo v3这种性能和准确率上面都有大幅度提升的情况下，dl4j才引入TinyYolo总有一种49年加入国军的感觉

一、任务和数据

数据来源自 https://github.com/cosmicad/dataset ，主要目的是识别并定位图像中的红细胞。
数据集总共分为两个部分：

数据集：JPEGImages
标签：Annotations

1.1 数据集

数据集样张如图所示：

数据集中所有的图像均为.jpg格式。一共有410张图片用于模型的训练。

1.2 标签

标签如图所示，每一个图片都会有一个对应的xml文件作为训练标签。

没一个标签的数据都是遵守PASCAL VOC的数据格式，文件内容如下：

<annotation verified="no">
  <folder>RBC</folder>
  <filename>BloodImage_00000</filename>   //对应的图片
  <path>/Users/cosmic/WBC_CLASSIFICATION_ANNO/RBC/BloodImage_00000.jpg</path>  //路径（不重要）
  <source>                               //数据来源（不重要）
    <database>Unknown</database>
  </source>
  <size>                                 //图像的宽高和通道数
    <width>640</width>
    <height>480</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>               //是否用于分割（在图像物体识别中01无所谓）
  <object>                               //需要检测的物体
    <name>RBC</name>                     //物体类别的标签，可以使用中文
    <pose>Unspecified</pose>             //拍摄角度
    <truncated>0</truncated>             //是否被截断（0表示完整）
    <difficult>0</difficult>             //目标是否难以识别（0表示容易识别） 
    <bndbox>                             //bounding-box（包含左上角和右下角xy坐标）  
      <xmin>216</xmin>
      <ymin>359</ymin>
      <xmax>316</xmax>
      <ymax>464</ymax>
    </bndbox

最低0.47元/天解锁文章