轻快的深度学习图像目标检测

light_object_detection

介绍

轻快、简明、高效、精确的深度学习图像目标检测

效果预览

安装教程

编译yolo3

1. 使用如下命令，从Gitee拉取世杰分享的项目源码：

   git clone https://github.com/zhongshijie1995/light_object_detection.git

2. 接下来的所有操作，都在该项目下进行

   cd LightObjectDetection

3. 编译项目

   make

使用说明

上手体验（使用预训练）

1. 下载yolov3模型的权重

   wget https://pjreddie.com/media/files/yolov3.weights

2. 运行开始体验的python脚本

   python3 sc_start_experience.py

3. 查看结果

   fim predictions.jpg

训练自己的数据

数据准备

0. 下载预训练模型

wget https://pjreddie.com/media/files/darknet53.conv.74

1. 对图片进行标注

（方法1）使用标注工具

1. 启动标注工具集

   pip3 install labelImg
   labelImg

2. 点击VOC以选择YOLO模式，并进行标注
3. 完成

#####（方法2）自己制作数据集

1. 实际上，我们需要的数据集格式是每一张图片对应一个.txt标签文件，其中包含以下信息：

   <对象的序号> <对象中心点的x坐标> <想象中心点的y坐标> <对象的宽度> <对象的高度>
   ...
   ...

2. 将上述提及的分类配置、标签文件、图片（相同文件名，不同后缀名）以放入项目的如下结构中

   - LightObjectDetection
      - train_data
         - classes.txt
         - a.jpg
         - a.txt
         - b.jpg
         - b.txt

3. 完成！

开始训练

1. 对开始训练的脚本进行设置，并运行！就这么简单！

   python3 sc_start_train.py

2. 输入参数
   Run with GPU?（y or n）
   How large is each batch?（Integer）
   How many batches? （Integer）
3. 静待声名远扬的yolo3的运行

进行预测

还记得编译项目之后的上手体验吗？有了模型和训练出来的权重，你应该能完成了！