YOLO的全稱是You Only Look Once，是最早出現的單階段目標檢測方法，也是第一個實作了實時目標檢測的方法，計算機視覺領域主要包括兩大方面：影像分類、目標檢測，影像分類是指根據影像的語意資訊將不同類別的影像區分開來，比如人臉識別，即模型輸入一張圖片，判斷該圖片屬于某個類別，
YOLO是一個國外開源的目標檢測演算法，目前流行的YOLO演算法分為三個版本，即YOLOv1、YOLOv2、YOLOv3，YOLO的核心思想就是利用整張圖作為網路的輸入，直接在輸出層回歸bounding box(邊界)的位置及所屬類別，
YOLO的整體結構如下：
該網路是根據GoogLeNet改進的，輸入圖片為448*448大小，輸出為7×7×(2×5+20)，將原始圖片分為S×S個單元格，之后的輸出是以單元格為單位進行的，如果一個object的中心落在某個單元格上，那么這個單元格負責預測這個物體，每個單元格需要預測B個box值(box值包括坐標和寬高)，同時為每個box值預測一個置信度(confidence scores)，也就是每個單元格需要預測B×(4+1)個值，每個單元格需要預測C(物體種類個數)個條件概率值，所以，最后網路的輸出維度為S×S×(B×5+C)，這里雖然每個單元格負責預測一種物體，但是每個單元格可以預測多個box值，
那么如何利用YOLOv3訓練自己的模型呢？
首先需要一批圖片資料，比如以下資料：
圖片包括100張貓狗兩種型別的圖片，其次需要對這批圖片進行label的制作，即某張圖片的貓在哪里、狗在哪里、利用Labellmg等工具進行label的制作，
點擊save后會生成以xml結尾的label檔案，內容如下：
由于該圖片中只包含兩個關鍵目標，即只有兩個object，并存盤相對應的object的坐標，到此已經初步生成了圖片的label，
其次，將資料劃分為訓練集、測驗集、驗證集，執行以下腳本：
最后，將.xml資料轉化為YOLO需要的VOC資料，執行以下腳本：
在資料準備完成后，即可進行模型訓練，
作業系統：MacOS 10.15.6
Python：3.7.6
Tensorflow：1.13
Keras：2.15
OpenCV：4.3.0
部分訓練代碼如下：
在訓練完成后，會在logs檔案下生產模型的權重檔案及神經網路模型結構可視化檔案等，部分模型結構如下：
模型測驗效果如下：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/196729.html
標籤：其他
上一篇：C/C++初學者的第四次筆記（基本運算子/算數運算式）
下一篇：快速推匯出等比數列的求和公式