Yolo訓練自定義目標檢測

2022-08-22 01:45:10 字數 924 閱讀 6315

參考darknet：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 能執行說明檢測沒有問題
通過labelimg工具標註。選用window+conda安裝,步驟如下:

git clone
cd 到目錄

conda install pyqt=5
這步有可能應為網路原因連不上，可以試下梯子

套用voc資料集的格式，把自定義的 label txt 格式。每個對應乙個txt

自定義資料放在這裡voc_label.py 工具將xml轉為txt

資料集路徑在 .data 檔案中修改

1 classes= 20


2 train  = /train.txt


3 valid  = 2007_test.txt


4 names = data/voc.names


5 backup = backu
修改·cfg最後一層layer filter。

yolov3:filters=(classes + 5)x3

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

應用OpenCV檢測自定義目標

1.opencv build x86 vc10 bin下的opencv createsamples.exe 2.opencv build x86 vc10 bin下的opencv traincascade.exe 訓練的演算法是adaboost級聯分類器。關於adaboost的演算法講解，這篇博文有...

目標檢測 YOLO演算法

r cnn系列目標檢測方法 r cnn,fast r cnn,faster r cnn 看做目標檢測，都是需要 看兩眼 的。即，第一眼做 region proposals 獲得所有候選目標框，第二眼對所有候選框做 box classifier候選框分類 才能完成目標檢測 事實上 第一眼 是挺費時間的...

目標檢測YOLO實現

注 本文參考 git clone cd darknet make 編譯沒有問題的話輸出資訊如下 mkdir p obj gcc i usr local cuda include wall wfatal errors ofast.gcc i usr local cuda include wall wf...