机器学习AI算法工程   公众号：datayx

项目地址

​​https://github.com/ZzzzzZXxxX/yolo3_keras_Flag_Detection​​

项目环境依赖

【目标识别】yolo3_keras旗帜识别&训练自己数据_python

数据集提供

  • 旗帜（包含40个种类旗帜），数据来着于网络，数据标注是个苦力活，本数据包含1600多张图片，花费接近一个星期标注完成，且用且珍惜!!!

​​链接:https://pan.baidu.com/s/1sgDehVpMUrXb3AHceTimfA ​​

​​ 密​​码:pgmn

  • 直接将两个文件夹放置于model_data下

快速开始

1. 下载本项目预训练 权重

  • 权重1
https://pan.baidu.com/s/1X08Mj2owTcOJQfsBEpf0YA
  • 权重2
https://pan.baidu.com/s/1MIBU41gW1x7aqgQhwglAcw

2. 修改yolo.py中第24行权重路径

3. 将需要检测旗帜图片放入sample文件夹中

4. 运行检测

python yolo_images.py

训练

训练自己的数据 无需使用 预训练的权重 （此方法适用于各类数据）

step 1

  • 使用labelImg对数据进行标记
  • 得到xml文件，放置于./model_data/label_train/将图片数据放在于./model_data/train/ (建议图片宽高大于416，不然影响训练)
  • 将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件，因为数据标记时，标记的为类别id，为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)

step 2

  • 执行xml_to_data.py 生成 kitti_simple_label.txt
python xml_to_data.py

step 3

  • k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt
python kmeans.py

step 4

  • 开始训练(建议epochs大于500，如果内存溢出可减小batch_size。其他参数，按照自己数据，自行修改。)
python train.py
本项目里有40类旗帜

【目标识别】yolo3_keras旗帜识别&训练自己数据_数据_02

实验效果

【目标识别】yolo3_keras旗帜识别&训练自己数据_python_03

【目标识别】yolo3_keras旗帜识别&训练自己数据_数据_04

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

【目标识别】yolo3_keras旗帜识别&训练自己数据_权重_05

长按图片，识别二维码，点关注