# keras-yolo3

**Repository Path**: liusabc/keras-yolo3

## Basic Information

- **Project Name**: keras-yolo3
- **Description**: 图像标注、训练、识别（Keras2.3.1+TensorFlow-gpu2.1.0 + cuda10.0）
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 66
- **Created**: 2023-11-15
- **Last Updated**: 2023-11-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# keras-yolo3

参考博客：

[【Yolo3】一文掌握图像标注、训练、识别（Keras+TensorFlow-gpu）](https://cungudafa.blog.csdn.net/article/details/105074825)

[【Keras+TensorFlow+Yolo3】教你如何识别影视剧人手模型](https://cungudafa.blog.csdn.net/article/details/105137889)

# 环境

环境：`windows10 +  anaconda3（conda4.8.2）+ labelImg1.8.1  + VSCode`

版本：`python3.6.0  + opencv4.1.0 + yolo3 +keras 2.3.1 +tensorflow-gpu2.1.0`

>环境安装记录：
>
>[【GPU】win10 (1050Ti)+anaconda3+python3.6+CUDA10.0+tensorflow-gpu2.1.0](https://cungudafa.blog.csdn.net/article/details/105089003)
>
>库：numpy1.18.2、Pillow7.0.0、matplotlib 、python-opencv4.2.0



# 目录
原始目录：[docs/tree_old.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/tree_old.txt)

我重新整合了一下目录结构：[docs/tree.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/tree.txt)

# 运行过程

## 1.下载
1. 下载项目框架

    ```
    git clone https://gitee.com/cungudafa/keras-yolo3.git
    ```

2. 下载权重

    [单独下载yolov3.weights 权重](https://pan.baidu.com/s/1CVgvP4hQQvDNbKmXhmkxqw)，放在项目根目录下

3. 将 DarkNet 的.weights文件转换成 Keras 的.h5文件

    ```bash
    python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5
    ```
    可以查看到我们的模型结构：
[docs/model_summary.txt](https://gitee.com/cungudafa/keras-yolo3/blob/master/docs/model_summary.txt)

## 2.标签分类

下载数据集：（`我这里用hand进行试验，你可以用你自己的标注数据集`）

本次使用的**数据集**来自：[牛津大学Arpit Mittal， Andrew Zisserman和 Phil Torr](http://www.robots.ox.ac.uk/~vgg/data/hands/)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200327115032575.png)

**资料下载：**

我们用到的数据集为VOC格式：我们仅下载[evaluation_code.tar.gz](http://www.robots.ox.ac.uk/~vgg/data/hands/downloads/evaluation_code.tar.gz)（13.8M）即可。

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200327115345249.png)

将下载的数据集复制到项目路径下：（事实是数据集有400+图片，我训练起来太累了，容易过拟合，这里只用了009985-010028共40+张图片进行训练）

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200327120237510.png)

![](https://cdn.jsdelivr.net/gh/cungudafa/img/images/md/20200329143218.png)

运行script目录下获取标签：

1. voc标签格式：voc_annotation.py

2. yolo标签格式：yolo_annotation.py

## 3.训练

1. 修改train.py中训练轮速、路径（可选步骤）

2. 训练 train.py（50轮和100轮，各保存一次）保存在logs目录下

>神经网络可视化,在根目录下运行：`tensorboard --logdir=logs\`
>
>会将运行记录打印到浏览器中
>![在这里插入图片描述](https://img-blog.csdnimg.cn/20200327232050929.png)
>打开浏览器查看：[http://localhost:6006/](http://localhost:6006/)

 **可视化查看神经网络loss:**
1. 项目目录下运行：
    ```
    tensorboard --logdir=logs\
    ```
2. 浏览器查看：[http://localhost:6006/](http://localhost:6006/)

    ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200329151221782.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1bmd1ZGFmYQ==,size_16,color_FFFFFF,t_70)

## 4.测试
参考[tf2-keras-yolo3](https://github.com/AaronJny/tf2-keras-yolo3)，可以直接对图片和视频进行检测。 

我另外封装了一下检测部分的代码：识别部分[keras-yolo3-recognize](https://download.csdn.net/download/cungudafa/12283933)

运行predict.py或者：
```
# 图片检测
python yolo_video.py --image
再输入图片路径

# 视频检测
python yolo_video.py --input img\test.mp4
```
![在这里插入图片描述](https://img-blog.csdnimg.cn/202003291712283.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1bmd1ZGFmYQ==,size_16,color_FFFFFF,t_70)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200329170011478.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1bmd1ZGFmYQ==,size_16,color_FFFFFF,t_70)

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200330145154848.gif)

### 参考：
1. [https://github.com/qqwweee/keras-yolo3](https://github.com/qqwweee/keras-yolo3)

2. [https://github.com/bubbliiiing/yolo3-keras](https://github.com/bubbliiiing/yolo3-keras)

3. [https://github.com/AaronJny/tf2-keras-yolo3](https://github.com/AaronJny/tf2-keras-yolo3)