基于yolov3的汽车数量计数

# 基于MindSpore YOLOv3-Darknet53的车辆检测与计数实现 ## 数据集下载 VisDrone数据集下载 [http://aiskyeye.com/download/object-detection-2/] ## 数据集处理 将原始VisDrone数据集转换为coco格式，然后存放在本地目录 ``` python VisDrone2coco.py ``` ## 环境配置 Ubuntu 18.04 python 3.7.5 mindspore-gpu 1.5.2 ## 预训练权重 预训练权重获取参考[https://gitee.com/mindspore/models/blob/r1.5/official/cv/yolov3_darknet53/README_CN.md] ## 模型训练 ``` python train.py --data_dir ../train/ --pretrained_backbone ./ckpt_files/backbone_darknet53.ckpt --lr=0.1 --T_max=320 --max_epoch=320 --warmup_epochs=4 --training_shape=416 --lr_scheduler=cosine_annealing ``` ## 模型验证 ``` python eval.py --data_dir ../val/ --pretrained ./models/yolov3-320_517440.ckpt ``` ## 模型使用 ``` python predict.py --image_path ./imgs/0000002_00448_d_0000015.jpg --pretrained ./models/yolov3-320_517440.ckpt ``` 运行结果保存在./imgs/output.jpg ## 基于图像的车辆检测与计数 ``` python detect_img.py ``` 需要修改detect_img.py文件中的pretrained_path为ckpt文件路径 需要修改detect_img.py文件中最后一行img_predict(model, "./imgs/test3.jpg")对应检测图片的路径 运行结果保存在./imgs/output1.jpg ``` python window.py ``` 需要修改window.py文件中的pretrained_path为ckpt文件路径 ## 基于视频的车辆检测与计数 ``` python detect_vid.py ``` 需要修改detect_vid.py文件中的pretrained_path为ckpt文件路径 需要在cap = cv2.VideoCapture()中添加视频路径 cap = cv2.VideoCapture(0)则为检测电脑摄像头的实时视频