使用python的opencv库使用yolo算法进行物体检测

最新推荐文章于 2024-08-09 00:38:37 发布

梧桐雪

最新推荐文章于 2024-08-09 00:38:37 发布

阅读量1.9k

点赞数 1

分类专栏： # 机器学习初阶

本文链接：https://blog.csdn.net/weixin_41855010/article/details/107253821

版权

Yolov3是一个目标检测算法项目，而目标检测的本质，就是识别与回归，而处理图像用的最多的就是卷积神经网络CNN，所以，Yolov3本质上，就是一个实现了回归功能的深度卷积神经网络。
Yolo是一种实时检测方法，多年来备受欢迎。这意味着我们不仅可以对一个对象进行分类，还可以定位它并提取包围该对象的边框。
运行yolov3有多种方法。我们今天将使用的方法是最简单的方法之一，因为除了opencv和numpy之外，它不需要外部安装。

当然，我们需要下载模型文件，yolo中的模型文件将architecture（结构）和权重参数（weight）进行了分离，我们可以在YOLO: Real-Time Object Detection中下载对应的模型文件，在这里，我们推荐使用YOLOv3-320的配置（下载可能需要一点时间），因为这个模型被认为是速度和精度之间的平衡。

以下就是例程的代码：

import cv2
import numpy as np
cap = cv2.VideoCapture(1)
whT = 320
confThreshold =0.5
nmsThreshold= 0.2
classsesFile = "coco.names"
classNames = []
with open(classsesFile,'rt') as f:
	classNames = f.read().rstrip('\n').split('\n')
print(classNames)
modelConfiguration = "yolov3-320.cfg"
modelWeights = "yolov3.weights"
net = cv2.dnn.readNetFromDarknet(modelConfiguration,modelWeights)
net