本文详细解读了使用YOLOV3进行危险品检测的代码，包括代码结构、关键文件功能和测试实现。介绍了front、goods-train、yolo3等文件夹的作用，讲解了预训练模型的加载和测试过程。环境为win10+PyCharm+Keras2.1.5+TensorFlow1.13.1。测试中，通过mian.py的GUI界面和yolo_image.py进行图片检测，展示了检测效果，并指出在危险品数据集上可能需要调整nms算法阈值和重新聚类anchors以提升效果。
本人小白，文章对YOLOV3用于危险品测试的代码（基于keras）进行简单解读与记录，最后实现了简单的检测测试。
1.代码整体结构
2.关键文件功能
2.1front文件夹
字体设置文件
2.2goods-train文件夹
yolov3.h5:权值文件
yolov3-voc.cfg:构建yolov3检测模型的整个超参文件，从零训练不需要修改，预训练好的权重训练需要修改，以下为修改步骤。
ctrl+f搜yolo，共3出需要修改：
- filters： 3*（5+len（classes））
- classes: len(classes) = x，x为识别种类个数
- random：原来是1，显存小改为0
yolov3-voc_final.we
最低0.47元/天 解锁文章
扫一扫
612
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
