原文链接:
https://blog.csdn.net/qq_45504119/article/details/105033492
yolov3训练自己的模型链接:
https://blog.csdn.net/qq_45504119/article/details/105052478
本身环境:python3.7+tensorflow2.1+window10+CPU
在cmd命令可进行tensorfloe安装卸载或直接升级如:
pip uninstall tensorflow # 卸载tf
pip uninstall keras # 卸载keras
pip install tensorflow
1.2.0
pip install keras
2.0.9
pip install –upgrade keras
本文解决了各种报错问题:大部分原因为tf版本兼容问题
参考:https://blog.csdn.net/weixin_41010198/article/details/107659012?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161823475116780274198212%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=161823475116780274198212&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2
all
first_rank_v2~rank_v29-1-107659012.first_rank_v2_pc_rank_v29&utm_term=module+%27tensorflow.keras.backend%27+has+no+attribute+%27get_session%27
如报错:AttributeError: module ‘tensorflow.keras.backend’ has no attribute ‘get_session’
将sess = tf.keras.backend.get_session()
改为如下即可:
sess = tf.compat.v1.keras.backend.get_session()
2、需要的文件:
1、yolov3源代码:github_keras-yolo3
2、权重文件:官网_yolov3.weights (点击直接下载)或者 我的百度网盘文件 链接:
https://pan.baidu.com/s/1YD5dtSrEkcBO0PRHO7eLlw
提取码:1uub
3、python 或 anaconda 或 pycharm
注意:版本需要在3.7以下,3.7版本不支持 tensflow 的库
3、python的环境配置:
很多的库之间都会存在兼容性问题,如果你运行中出现的报错不常见,或者一个错误接着一个错误,那么八成是配置的库存在兼容性问题,把库的版本换了就行
建议使用镜像源下载,下载的方法可以参照我的这篇博文: anaconda 配置 yolov3 环境(该文章中的版本也可以,但是最好换成我上面表格中写的) 大家也可以看下我的 python 的各个库的配置:python绝对兼容的库配置——机器学习 (建议大家保留一份,万一哪天不小心改了一个库的版本,很可能就会导致一系列的问题,这里的版本不存在兼容性问题)
二、正式开始yolo之旅
1、用官方权重识别图像
接下来先教大家去用官方的权重文件 yolov3.weights 去识别图像
先用 pycharm 或 spyder 打开 keras-yolo3 文件夹,用 pycharm 或 spyder 是为了看文件夹更方便,直接在 anaconda 里运行也是可以的
这里用 pycharm 先演示一下:
打开文件后是这样的。
1、我们将下载的 yolov3.weights 文件放在 keras-yolo3-master 文件夹下:
2、把 yolov3.weights 文件转换成 keras 适用的 h5 文件
首先点击左下方的 Terminal (和IDLE一个功能,就是命令行)
输入 python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
等待一会。。。直到命令行显示 Saved Keras model to model_data/yolo.h5 就可以看到文件夹的 model_data 中多了个 yolo.h5 文件
3、在文件夹下添加一个启动 yolo 函数的代码
在文件夹下新建一个py文件,我取名为 yolostart.py ,代码如下:
from yolo3.model import yolo_body
from keras.layers import Input
from yolo import YOLO
from PIL import Image
yolo = YOLO()
while True:
img = input(‘Input imagename:’)
try:
image = Image.open(img)
except:
print(‘Open Error!’)
continue
else:
rel_image = yolo.detect_image(image)
rel_image.show()
yolo.close_session()
4、在文件夹下新建名为 img 的文件夹,里面放想要进行识别的图片
5、运行 yolostart.py 运行 yolostart.py 文件 提示:Input imagename:
现在输入想要识别的图片的文件路径,这里我输入 img/q.jpg(识别 img 文件夹下名为 q 的 jpg 格式的图片)
成功识别出图上人物
现在运行人数较多的图片试一下:
在这里插入图片描述
2、训练自己的数据集模型
time:3/22
这篇先发,我学校的作业还没写,
我先把作业写了,再回来补下面的东西
。。。
见谅
Time:2020/3/23/22:19
我回来啦:
介于训练自己的数据集模型比这篇文章的两倍还要长,我就将它化为一篇文章来写了,很详细,均是我刚刚亲自一步步操作的,有任何问题均可以提出
文章链接:keras-yolov3目标检测训练自己的模型详解https://blog.csdn.net/qq_45504119/article/details/105052478
————————————————
版权声明:本文为CSDN博主「霍格沃茨电气魔法师」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_45504119/article/details/105033492