环境 :windows
Pycharm
keras(在之前安装的tensorflow-gpu环境中pip install 用的是清华镜像 ,比较快)
1、下载yolov3代码: ### 在你的文件夹或磁盘中路径下
git clone https://github.com/qqwweee/keras-yolo3
2、下载权重:
https://pjreddie.com/media/files/yolov3.weights
并将权重放在keras-yolo3的文件夹下。如下图所示:
3、执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件。
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
4、运行预测图像程序
python yolo-video.py --image
- 会提示输入测试filename路径
训练自己的数据集
1、在工程下新建一个文件夹VOCdevkit,目录结构为VOCdevkit/VOC2007/,在下面就是新建几个默认名字的文件夹 Annotation,ImageSet(该目录还有三个文件需要建立),JPEGImages(把你所有的图片都复制到该目录里面,如下图),SegmentationClass,SegmentationObject。
2、生成Annotation下的文件,安装工具labelImg。
3、生成ImageSet/Main/4个文件。在VOC2007下新建一个python文件,复制如下代码 test.py
import os
import random
trainval_percent = 0.4
train_percent = 0.6
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close