计算机视觉 模块3：目标检测与识别实训 Keras版本YOLO V3实例.docxVIP

企业项目实战 PAGE 1 Keras版本YOLO V3实例 1.实验准备 1.1 实验概述 本实验主要使用Keras版本YOLO V3调用yolo3的预训练模型,进行目标检测。 1.2 实验建议 了解yolo3的基本用法以及有关原理。 1.3 实验目的 掌握使用Keras版本YOLO V3,能够使用该代码训练自定义数据集和调用yolo3的预训练模型。 2.实验步骤 2.1 移动代码到IDE中 将案例代码copy到IDE中。 2.2 前往官网下载yolo3模型 yolo3官方提供了预训练模型,如果不是重新训练自己的模型,name我们就可以下载该预训练模型,然后调用该模型: /media/files/yolov3.weights 2.3 使用命令行转换模型 代码如下:python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5 2.4 准备数据 可以前往该可以在 /AlexeyAB/darknet/tree/master/data 中下载你喜欢的测试图片到项目目录下，当然也可以使用自己的图片。 3.运行有关代码，查看运行结果 使用下面的命令行参数运行程序，同时传入--image参数，使其对输入的图片进行处理。 图 SEQ 图 \* ARABIC 1 以图片形式运行代码 之后我们就可以通过传入图片路径的形式，将图片传入我们的模型进行预测，之后程序会将传入图片的运行结果进行可视化。 图 SEQ 图 \* ARABIC 2 目标检测运行结果 Yolo3官方提供的预训练的目标检测模型，我们也可以使用有关代码重新训练新的模型，只要将训练数据集变为人脸检测数据集，那么我们也就可以使用yolo3进行人脸检测，同理人脸识别亦如此。 如果需要重新训练模型，那么只需要打开train.py文件。修改有关参数，并确保数据集格式无误，然后运行即可。关键参数如下： 图 SEQ 图 \* ARABIC 3 yolo3重训练核心参数