Python实现对图像标注、训练、识别.zip

# keras-yolo3 参考博客： [【Yolo3】一文掌握图像标注、训练、识别（Keras+TensorFlow-gpu）](https://cungudafa.blog.csdn.net/article/details/105074825) [【Keras+TensorFlow+Yolo3】教你如何识别影视剧人手模型](https://cungudafa.blog.csdn.net/article/details/105137889) # 环境 环境：`windows10 + anaconda3（conda4.8.2）+ labelImg1.8.1 + VSCode` 版本：`python3.6.0 + opencv4.1.0 + yolo3 +keras 2.3.1 +tensorflow-gpu2.1.0` >环境安装记录： > >[【GPU】win10 (1050Ti)+anaconda3+python3.6+CUDA10.0+tensorflow-gpu2.1.0](https://cungudafa.blog.csdn.net/article/details/105089003) > >库：numpy1.18.2、Pillow7.0.0、matplotlib 、python-opencv4.2.0 # 目录 原始目录：[docs/tree_old.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/tree_old.txt) 我重新整合了一下目录结构：[docs/tree.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/tree.txt) # 运行过程 ## 1.下载 1. 下载项目框架 ``` git clone https://gitee.com/cungudafa/keras-yolo3.git ``` 2. 下载权重 [单独下载yolov3.weights 权重](https://pan.baidu.com/s/1CVgvP4hQQvDNbKmXhmkxqw)，放在项目根目录下 3. 将 DarkNet 的.weights文件转换成 Keras 的.h5文件 ```bash python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5 ``` 可以查看到我们的模型结构： [docs/model_summary.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/model_summary.txt) ## 2.标签分类 下载数据集：（`我这里用hand进行试验，你可以用你自己的标注数据集`） 本次使用的**数据集**来自：[牛津大学Arpit Mittal， Andrew Zisserman和 Phil Torr](http://www.robots.ox.ac.uk/~vgg/data/hands/)  **资料下载：** 我们用到的数据集为VOC格式：我们仅下载[evaluation_code.tar.gz](http://www.robots.ox.ac.uk/~vgg/data/hands/downloads/evaluation_code.tar.gz)（13.8M）即可。  将下载的数据集复制到项目路径下：（事实是数据集有400+图片，我训练起来太累了，容易过拟合，这里只用了009985-010028共40+张图片进行训练）   运行script目录下获取标签： 1. voc标签格式：voc_annotation.py 2. yolo标签格式：yolo_annotation.py ## 3.训练 1. 修改train.py中训练轮速、路径（可选步骤） 2. 训练 train.py（50轮和100轮，各保存一次）保存在logs目录下 >神经网络可视化,在根目录下运行：`tensorboard --logdir=logs\` > >会将运行记录打印到浏览器中 > >打开浏览器查看：[http://localhost:6006/](http://localhost:6006/) **可视化查看神经网络loss:** 1. 项目目录下运行： ``` tensorboard --logdir=logs\ ``` 2. 浏览器查看：[http://localhost:6006/](http://localhost:6006/)  ## 4.测试 参考[tf2-keras-yolo3](https://github.com/AaronJny/tf2-keras-yolo3)，可以直接对图片和视频进行检测。 我另外封装了一下检测部分的代码：识别部分[keras-yolo3-recognize](https://download.csdn.net/download/cungudafa/12283933) 运行predict.py或者： ``` # 图片检测 python yolo_video.py --image 再输入图片路径 # 视频检测 python yolo_video.py --input img\test.mp4 ```