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
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
- 权重2
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
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
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
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。)
本项目里有40类旗帜
实验效果
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
长按图片,识别二维码,点关注