开源软件名称：

开源软件地址：

开源软件介绍：

keras-yolo3

参考博客：

【Yolo3】一文掌握图像标注、训练、识别（Keras+TensorFlow-gpu）

【Keras+TensorFlow+Yolo3】教你如何识别影视剧人手模型

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

库：numpy1.18.2、Pillow7.0.0、matplotlib 、python-opencv4.2.0

目录

原始目录：docs/tree_old.txt

我重新整合了一下目录结构：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，放在项目根目录下

3. 将 DarkNet 的.weights文件转换成 Keras 的.h5文件

   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

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

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（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/

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/

   

4.测试

参考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

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

参考：

1. https://github.com/qqwweee/keras-yolo3

2. https://github.com/bubbliiiing/yolo3-keras

3. https://github.com/AaronJny/tf2-keras-yolo3