精品--学习深度学习的搬砖.zip

# keras-yolov4 [](LICENSE) ## Introduction 来源于AlexeyAB大佬的框架 [https://github.com/AlexeyAB/darknet](https://github.com/AlexeyAB/darknet). 框架来源于qqwweee大佬的 [https://github.com/qqwweee/keras-yolo3](https://github.com/qqwweee/keras-yolo3) 之前看到有人做了个Test的，但其实并不完整，这个版本我加入了可以通过Camera和图片的检测，使项目较为完整  ## 环境 - Python3.7.3 - keras2.2.5 - tensorflow1.14.0 - CUDA10.1 --- ## 直接开始玩 1. 从谷歌下载Darknet的权重文件 [yolov4.weights](https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT). 2. 把Darknet的.weights文件转换为keras的h5文件 3. 开始检测 ``` python convert.py python yolo_video.py --input [video_path] --output [output_path (optional)] #视频 python yolo_video.py --image #图片 ``` ## 全部用法 >移步到qqwweee大佬的仓库 [https://github.com/qqwweee/keras-yolo3](https://github.com/qqwweee/keras-yolo3) ## 训练 >其实个人建议还是用Darknet进行训练效率和效果都是更好的，但是可能大家计算机基础不太一样，还是写写keras版本的训练方法吧。 1. 数据集的制作用imagelabel，会产生xml文件，并且文件名和图片名是对应的 2. 将xml文件全部放入到VOCdevkit/VOC2007/Annotations，把图片放到VOCdevkit/VOC2007/JPEGImages 3. 在VOCdevkit/VOC2007/ImageSets中创建三个文件夹Layout,Main,Segmentation(这里已经帮你创建好了,自行删除每个文件夹的temp) 4. 在VOCdevkit/VOC2007/目录下创建gen.py,并执行gen.py文件生成VOC2007数据说明文本文件(train.txt,val.txt,test.txt) 5. 修改voc_annotation.py：在第六行的classes项中修改成自己训练样本的名字 6. 执行voc_annotation.py生成可供该框架使用的数据集文件(在根目录生成2007_train.txt,2007_test.txt,2007_val.txt) 7. 修改参数文件yolo4.cfg如下图 8. 修改model_data/voc_classes.txt，为自己需要训练的类别 9. 开冲！文件模型保存在logs/000/里面，后面运行的时候记得，在yolo.py里面修改名字  ``` # gen.py import os import random trainval_percent = 0.2 train_percent = 0.8 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() ```