### 部分实验效果(图片来着百度图片爬取)
![Image text](model_data/Figure_1.png)
![Image text](model_data/Figure_2.png)
![Image text](model_data/Figure_3.png)
![Image text](model_data/Figure_4.png)
##### 本项目里有40类旗帜
![Image text](model_data/classes.png)
## 快速开始
#### 1. 下载本项目预训练 权重
- 权重1
```
https://pan.baidu.com/s/1X08Mj2owTcOJQfsBEpf0YA
```
- 权重2
```
https://pan.baidu.com/s/1MIBU41gW1x7aqgQhwglAcw
```
#### 2. 修改yolo.py中第24行权重路径
#### 3. 将需要检测旗帜图片放入sample文件夹中
#### 4. 运行检测
```
python yolo_images.py
```
## 训练
#### 训练自己的数据 无需使用 预训练的权重 (此方法适用于各类数据)
#### step 1
- 使用labelImg对数据进行标记
- 得到xml文件,放置于./model_data/label_train/将图片数据放在于./model_data/train/
(建议图片宽高大于416,不然影响训练)
- 将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件,因为数据标记时,标记的为类别id,为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)
#### step 2
- 执行xml_to_data.py 生成 kitti_simple_label.txt
```
python xml_to_data.py # 如果自己数据集 请根据自己数据进行更改代码
# 生成的kitti_simple_label.txt 格式为:图片path box,类别id box,类别id...
```
#### step 3
- k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt
```
python kmeans.py
```
#### step 4
- 开始训练(建议epochs大于500,如果内存溢出可减小batch_size。其他参数,按照自己数据,自行修改。)
```
python train.py
```
## 项目环境依赖
```
tensorflow 1.13.1
Keras 2.2.4
h5py 2.8.0
opencv-python 4.0.0.21
numpy 1.16.2
Anaconda3
```
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
基于Python的YOLOv3目标检测-含数据集.zip (34个子文件)
yolo_images.py 1KB
font
font.ttf 2.73MB
sample
168.jpg 69KB
400.jpg 36KB
196.jpg 114KB
244.jpg 28KB
model_data
Figure_4.png 245KB
Figure_2.png 161KB
classes.png 23KB
my_classes.txt 111B
name_classes.txt 631B
anchors.txt 77B
kitti_simple_label.txt 75KB
Figure_3.png 240KB
my_anchors.txt 77B
Figure_1.png 231KB
convert.py 10KB
.idea
keras-yolo3-master.iml 486B
workspace.xml 21KB
misc.xml 292B
modules.xml 288B
encodings.xml 135B
xml_to_data.py 3KB
kmeans.py 3KB
train.py 6KB
__pycache__
yolo.cpython-37.pyc 7KB
yolo3
utils.py 4KB
__init__.py 0B
model.py 16KB
__pycache__
__init__.cpython-37.pyc 134B
utils.cpython-37.pyc 4KB
model.cpython-37.pyc 12KB
README.md 2KB
yolo.py 9KB
共 34 条
- 1
资源评论
AI拉呱
- 粉丝: 2872
- 资源: 5510
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
最新资源
- 将 yolov5 导出到 tflite 并在 Raspberry Pi 和 CPU 上运行推理.zip
- 将 pjreddie 的 DarkNet 带出阴影 #yolo.zip
- MPSK-AWGN性能仿真MATLAB源码
- 将 keras(tensorflow 后端)yolov3 h5 模型文件转换为 darknet yolov3 权重.zip
- 将 COCO 转换为 Pascal VOC 2012 格式的 Python 脚本.zip
- 将 COCO 注释(CVAT)转换为 YOLOv8-seg(实例分割)和 YOLOv8-obb(定向边界框检测)的注释.zip
- 章节2:编程基本概念之引用的本质-栈内存和堆内存-内存示意图.rar
- 章节2:编程基本概念之标识符-帮助系统简单使用-命名规则.rar
- fasfdsafaadfasfdasfs
- 如何使用 TensorRT 运行 yolov5 模型 .zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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