YOLOv3目标检测有了TensorFlow实现，可用自己的数据来训练

i_garfileo 发布于2019-04-25 18:31 / 2185人阅读

摘要：来自原作者，快如闪电，可称目标检测之光。实现教程去年月就出现了，实现一直零零星星。这份实现，支持用自己的数据训练模型。现在可以跑脚本了来自原作者拿自己的数据集训练快速训练这个就是给大家一个粗略的感受，感受的训练过程到底是怎样的。

来自YOLOv3原作者

YOLOv3，快如闪电，可称目标检测之光。

PyTorch实现教程去年4月就出现了，TensorFlow实现一直零零星星。

现在，有位热心公益的程序猿 (Yunyang1994) ，为它做了纯TensorFlow代码实现。

这份实现，支持用自己的数据训练模型。

介绍一下

TensorFlow实现，包含了以下部分：

· YOLOv3架构

· 权重转换器 (Weight Converter)

· 基础版Demo

· GPU和CPU上都支持非极大抑制 (Non-Maximum Suppression)

· 训练pipeline

· COCO mAP计算

来自YOLOv3原作者

快速开始

四个步骤，速速上车。

1.复制这个文件：

1$ git clone https://github.com/YunYang1994/tensorflow-yolov3.git

2.在食用代码前，先安装一些依赖项：

1$ cd tensorflow-yolov3

2$ pip install -r ./docs/requirements.txt

3.把加载好的COCO权重导出为TF checkpoint (yolov3.ckpt) 和 frozen graph (yolov3_gpu_nms.pb) 。

如果你没有yolov3.weights的话，去下载，然后放到./checkpoint目录下。下载地址是：

https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3.weights

1$ python convert_weight.py --convert --freeze

4.然后，./checkpoint目录下就会出现一些.pb文件。现在可以跑Demo脚本了：

1$ python nms_demo.py

2$ python video_demo.py # if use camera, set video_path = 0

来自YOLOv3原作者

拿自己的数据集训练

快速训练

这个Demo就是给大家一个粗略的感受，感受YOLOv3的训练过程到底是怎样的。

用python core/convert_tfrecord.py把你的图集转成TFRecords。

1$ python core/convert_tfrecord.py --dataset /data/train_data/quick_train_data/quick_train_data.txt --tfrecord_path_prefix /data/train_data/quick_train_data/tfrecords/quick_train_data

2$ python quick_train.py # start training

训练COCO数据集

如果还没下载COCO2017数据集，请前往：

http://cocodataset.org/

再把数据集放到./data/train_data/COCO里面。

1$ cd data/train_data/COCO

2$ wget http://images.cocodataset.org/zips/train2017.zip

3$ unzip train2017.zip

4$ wget http://images.cocodataset.org/annotations/annotations_trainval2017.zip

5$ unzip annotations_trainval2017.zip

然后，就要从数据集里提取一些有用的信息了，比如边界框，拿这些信息生成你自己的.txt文件。

1$ python core/extract_coco.py --dataset_info_path ./data/train_data/COCO/train2017.txt

来自YOLOv3原作者

上面这步得到的文件是./data/train_data/COCO/train2017.txt。拿一张图举栗，应该长这样：

1As a result, you will get ./data/train_data/COCO/train2017.txt. Here is an example row for one image:

3/home/yang/test/tensorflow-yolov3/data/train_data/train2017/000000458533.jpg 20 18.19 6.32 424.13 421.83 20 323.86 2.65 640.0 421.94

4/home/yang/test/tensorflow-yolov3/data/train_data/train2017/000000514915.jpg 16 55.38 132.63 519.84 380.4

5# image_path, category_id, x_min, y_min, x_max, y_max, category_id, x_min, y_min, ...

接下来，要把图像数据集转成.tfrecord，就是用二进制来保存数据。最后，可以训练啦。

1$ python core/convert_tfrecord.py --dataset ./data/train_data/COCO/train2017.txt --tfrecord_path_prefix ./data/train_data/COCO/tfrecords/coco --num_tfrecords 100

2$ python train.py

COCO评估

如果要看一下模型在COCO上的表现，就这样做：

1$ cd data/train_data/COCO

2$ wget http://images.cocodataset.org/zips/test2017.zip

3$ wget http://images.cocodataset.org/annotations/image_info_test2017.zip

4$ unzip test2017.zip

5$ unzip image_info_test2017.zip

来自YOLOv3原作者

“我今年没干啥”

YOLO系列的作者，是华盛顿大学两位画风奇崛的研究人员，一个叫Joseph Redmon，一个叫Ali Farhadi。

去年3月YOLOv3发布，两位在论文里是这样描述这项成果的：

我今年基本没做啥研究，净刷推特了，也玩了一小会儿GAN。去年还剩一点动力没用完，就给YOLO更了个新。没什么特别有意思的东西，一些细小的改动而已。

Introduction满分

但严肃地说，速度是v3最主要的提升。一般来讲，YOLOv3比R-CNN快1000倍，比Fast R-CNN快100倍。

有一些人啊，看起来常年不做正事，但还是能拿出精彩的成果。

YOLOv3 TensorFlow实现传送门：

https://github.com/YunYang1994/tensorflow-yolov3

(早就出了的) YOLO v3 PyTorch教程传送门：

https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch

声明：文章收集于网络，为传播信息而发，如有侵权，请联系小编及时处理，谢谢！

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识

QQ群：81035754

超融合服务器混合云图像识别中的目标检测目标检测数据集目标检测有了域名自己弄服务器

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/4850.html

华盛顿大学推出YOLOv3：检测速度快SSD和RetinaNet三倍

摘要：近日，来自华盛顿大学的和提出的版本。而那些评分较高的区域就可以视为检测结果。此外，相对于其它目标检测方法，我们使用了完全不同的方法。从图中可以看出准确率高，速度也快。对于的图像，可以达到的检测速度，获得的性能，与的准确率相当但是速度快倍。近日，来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出 YOLO 的版本 YOLOv3。通过在 YOLO 中加入设计细节的变...

xiaodao 2019-04-25 18:25 评论0 收藏0
Matlab实现YOLOV3对车辆进行检测--全程中文说明适合初学者学习

摘要：如果不会对图片进行统一改变大小，这里有程序这里有程序。训练好后，在文件区域会出现，这个就是已经训练好的模型。二图像识别打开文件，然后点击运行，选择要检测的照片。目录前言一、模型训练 1.1对训练图片进行预处理 1.2 对训练图片进行打标签 1.3 训练模型二、图像识别总结程序 ...

RyanHoo 2021-11-25 09:43 评论1 收藏1
YOLOX原始论文精读

摘要：由于最近需要对的理论部分进行深入的理解，因此我需要查看的相关论文，但是最近新出的目标检测算法，但我发现我无法查看相关的见刊论文，因此我只能好好深入理解它的原始论文。 ...

adie 2021-11-22 09:34 评论0 收藏0
YOLO目标检测模型重新训练

摘要：本文将介绍如何使用其他数据集重新训练模型，文章将会详细介绍每一步。下载数据集我们将使用数据集训练我们的模型，该数据集可以用来做图像分类目标检测图像分割。模型训练完成后，权重文件保存路径。介绍 showImg(https://segmentfault.com/img/bVblwDQ?w=460&h=302); YOLO目标检测快速上手这篇文章我们通过简短的代码就实现了一个视频目标检测功...

didikee 2019-06-26 19:56 评论0 收藏0
YOLO目标检测模型重新训练

摘要：本文将介绍如何使用其他数据集重新训练模型，文章将会详细介绍每一步。下载数据集我们将使用数据集训练我们的模型，该数据集可以用来做图像分类目标检测图像分割。模型训练完成后，权重文件保存路径。介绍 showImg(https://segmentfault.com/img/bVblwDQ?w=460&h=302); YOLO目标检测快速上手这篇文章我们通过简短的代码就实现了一个视频目标检测功...

endiat 2019-06-26 19:56 评论0 收藏0