完整YOLOv3流程
原作者 : YunYang1994

論文： YOLOv3

環境： win7 + anaconda + python3.6 ( 建議用anaconda，方便一些)

下載代碼之前，請先裝好環境和相關依賴。

pip install -r docs/requirements.txt

1.github下載YOLOv3的tensorflow實現代碼。

git clone git@github.com:sowei728/tensorflow_for_YOLOv3.git

2.下載YOLOv3的初始權值放到checkpoint文件夾中。

wget https://pjreddie.com/media/files/yolov3.weights
windows 沒有wget命令就直接找個瀏覽器把URL輸進去就好了

3.標注自己的VOC格式數據。

使用labelImg腳本，下載地址： http://tzutalin.github.io/labelImg/

腳本使用非常簡單，自己看看就會了，最后腳本生成的xml文件放入dataset文件夾的anno文件夾中，原jpg的圖片放入images文件夾中

4. 將xml文件中的標注信息匯總到txt中。

自己新建3個txt文件：

labels.txt 存放所有圖片的標注信息

train.txt 存放訓練圖片的標注信息（總圖片的80%）

test.txt 存放測試圖片的標注信息（總圖片的20%）
文件內容：(以空格隔開)

圖片路徑 x1min y1min x1max y1max cls1_id x2min y2min x2max y2max cls2_id …
運行腳本即可：

python scripts/load_xml_into_txt.py

5.將train.txt和test.txt轉化為train.tfrecords和test.tfrecords文件。

python convert_tfrecord.py --dataset_txt ./apple_dataset/train.txt --tfrecord_path_prefix ./apple_dataset/apple_train

python convert_tfrecord.py --dataset_txt ./apple_dataset/test.txt --tfrecord_path_prefix ./apple_dataset/apple_test
apple_test.tfrecords 和 apple_train.tfrecords會生成在dataset目錄下

6. 查看文件標注有無問題。

python show_input_image.py
如果正常出現圖像及標注信息則代表文件標注無問題

7.kmeans求出k個anchor box的長寬。

python kmeans.py
會輸出準確率和k個anchor box的長寬信息，本實驗中確定的k值為9

長寬信息需要填入到data/apple_anchors.txt中

8.轉化yolov3.weights為ckpt模型權值。

python convert_weight.py --convert

9.訓練模型，保存模型到checkpoint文件夾中。

python quick_train.py

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的用tensorflow实现yolov3的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。