# MindSpore YOLOv3-DarkNet53篮球检测教程指导(GPU环境)
该教程旨在指导大家使用GPU资源完成MindSpore YOLOv3-DarkNet53篮球检测的教程。
> **注意:** 该教程的代码是基于`v1.0`版本的MindSpore [ModelZoo](https://github.com/mindspore-ai/mindspore/tree/r1.0/model_zoo/official/cv/yolov3_darknet53)开发完成的。
> **注意:** 考虑到预训练过程会占用大量时间,本次课程我们不会提供完整的数据集用于模型训练,但我们会提供YOLOv3预训练模型以及测试数据集,方便大家用于模型验证和推理工作。
## 上手指导
### 安装系统库
* 系统库
```
sudo apt install -y unzip
```
* Python库
```
pip install opencv-python pycocotools
```
* MindSpore (**v1.0**)
MindSpore的安装教程请移步至 [MindSpore安装页面](https://www.mindspore.cn/install).
### 数据准备
* 下载测试数据集(验证任务使用)
```
cd basketball-dataset/ && wget https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3-darknet53/basketball-dataset/basketball-dataset.zip
unzip basketball-dataset.zip && rm basketball-dataset.zip
```
或者您可以直接点击 [https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3_darknet53/basketball-dataset/basketball-dataset.zip](https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3_darknet53/basketball-dataset/basketball-dataset.zip) 从浏览器中下载该数据集,手动解压。
* 下载YOLOv3-DarkNet53预训练模型(验证/推理任务使用)
```
cd ../resnet_gpu/ckpt_files && wget https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3_darknet53/ckpt_files/yolov3-320_168000.ckpt
```
或者您可以直接点击 [https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3_darknet53/ckpt_files/yolov3-320_168000.ckpt](https://ascend-tutorials.obs.cn-north-4.myhuaweicloud.com/yolov3_darknet53/ckpt_files/yolov3-320_168000.ckpt) 从浏览器中下载预训练模型。
### 模型验证
```
python eval.py --data_dir ../basketball-dataset/ --pretrained ./ckpt_files/yolov3-320_168000.ckpt
```
```
=============coco eval result=========
Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.568
Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.829
Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.716
Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = -1.000
Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.550
Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.568
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.339
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.645
Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.646
Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = -1.000
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.600
Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.646
```
### 模型推理
```
python predict.py --image_path ./00086.jpg --pretrained ./ckpt_files/yolov3-320_168000.ckpt
```
输入图片:
<img src="../docs/00086.jpg" alt="Input Image" width="600"/>
输出结果:
<img src="../docs/output.jpg" alt="Output Image" width="600"/>
## 许可证
[Apache License 2.0](../../LICENSE)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【资源说明】 基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip 基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip 基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip 基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip 基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
资源推荐
资源详情
资源评论
收起资源包目录
基于MindSpore的YOLOv3-DarkNet53篮球检测项目python源码.zip (56个子文件)
basketball-dataset
.gitkeep 0B
yolov3_ascend
ckpt_files
.gitkeep 0B
eval.py 12KB
src
initializer.py 7KB
__init__.py 0B
distributed_sampler.py 2KB
loss.py 3KB
yolo_dataset.py 7KB
util.py 4KB
darknet.py 7KB
transforms.py 20KB
logger.py 3KB
lr_scheduler.py 7KB
yolo.py 17KB
config.py 2KB
predict.py 10KB
train.py 11KB
README.md 3KB
docs
yolov3_predictconfig.jpg 62KB
00086.jpg 606KB
output.jpg 643KB
data_upload_obs.jpg 108KB
yolov3_evalconfig.jpg 57KB
yolov3_gpu
ckpt_files
.gitkeep 0B
eval.py 12KB
src
initializer.py 8KB
__init__.py 0B
distributed_sampler.py 2KB
loss.py 3KB
yolo_dataset.py 7KB
util.py 4KB
darknet.py 7KB
transforms.py 20KB
logger.py 3KB
lr_scheduler.py 7KB
yolo.py 17KB
config.py 2KB
predict.py 10KB
train.py 11KB
README.md 3KB
README.md 54B
yolov4_ascend
eval.py 14KB
src
initializer.py 8KB
__init__.py 667B
distributed_sampler.py 2KB
loss.py 3KB
cspdarknet53.py 8KB
yolo_dataset.py 7KB
util.py 4KB
transforms.py 26KB
logger.py 3KB
lr_scheduler.py 7KB
yolo.py 21KB
config.py 2KB
predict.py 10KB
train.py 12KB
共 56 条
- 1
资源评论
Make程序设计
- 粉丝: 5741
- 资源: 3570
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功