目錄

基礎理論

一、 讀取文件

二、神經網絡初始化

?1、搭建神經網絡

2、GPU加速

三、打開攝像頭、按幀讀取圖像

四、向神經網絡輸入

五、獲取神經網絡輸出

1、獲取各層名稱

2、獲取輸出層名稱

3、獲取輸出層圖像（內容）

六、框出物體

1、獲取所有預測框情況?

逐特征圖輸出

逐框輸出

單預測框結果

置信度過半時，把預測框認為可能的預測結果存入列表

2、保留一個預測框

3、畫出預測框

總代碼

---

基礎理論

圖像被劃分成3個圖像：

????????圖像在多次卷積壓縮后，小物體容易消失，所以我們分別用52*52、26*26、13*13的網格檢測小物體、中物體、大物體。

?（貓是大物體，所以用13*13的網格檢測）

輸出層output：

一、 讀取文件

?需要三個文件：

coco.names、yolov3.cfg、yolov3.weights。

?下載地址：?

https://download.csdn.net/download/great_yzl/34365174

（也可以去yolo官網下載，不過coco.names文件不知道有沒有）?

?yolov3.cfg、yolov3.weights都是官方給定的模型（已經設置訓練好的，直接拿來用即可）。

# 讀取文件
def ReadFile():global name_listname_list = []# 讀取文件with open('coco.names') as f:name_list = f.read().split('\n')print(name_list)

二、神經網絡初始化

?1、搭建神經網絡

根據yolov3官方的設置和權重

global networkmodel_configuration = 'yolov3.cfg'  # 配置模型model_weights = 'yolov3.weights'    # 權重# 1、創建神經網絡network = cv2.dnn.readNetFromDarknet(model_configuration, model_weights)#                                     配置模型       權重

2、GPU加速

# 2、GPU加速network.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)    # 設置opencv作為后端network.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)

三、打開攝像頭、按幀讀取圖像

def Capture_Init():global capture, w, hcapture = cv2.VideoCapture(0)w, h = 320, 320

    while True:global imgsuccess, img = capture.read()# img = cv2.imread("Resource/test4.jpg")cv2.imshow('img', img)# 設置每幀間隔時間（q鍵退出）cv2.waitKey(1)# if cv2.waitKey(1) & 0XFF == ord("q"):#     break

四、向神經網絡輸入

# 向神經網絡輸入Input_to_Network(img)

把img的數據變換一下，作為blob輸入到image中。?

# 向神經網絡輸入
def Input_to_Network(image):# 把image轉換成blob數據類型（歸一化等一系列數據類型轉換）（這種方式網絡可以理解）blob = cv2.dnn.blobFromImage(image, 1 / 255, (w, h), [0, 0, 0], 1, crop=False)#                            圖像 歸一化   寬,高              裁剪結果# 設置神經網絡輸入network.setInput(blob)print(blob)

五、獲取神經網絡輸出

1、獲取各層名稱

# 神經網絡各層名稱layersNames = network.getLayerNames()print(layersNames)

2、獲取輸出層名稱

# 2、獲取神經網絡輸出層名稱outputNames = [(layersNames[i[0] - 1]) for i in network.getUnconnectedOutLayers()]print(outputNames)

3、獲取輸出層圖像（內容）

# 3、獲取輸出層圖像（內容）# outputs：3個特征圖：分別為小、中、大。（13*13、26*26、52*52）# 每個特征圖又輸出85個類別outputs = network.forward(outputNames)# print(outputs[0].shape)# print(outputs[1].shape)# print(outputs[2].shape)# print(outputs[0][0])return outputs

# 獲取神經網絡輸出
def Network_Output():# 神經網絡各層名稱layersNames = network.getLayerNames()# 神經網絡輸出層名稱outputNames = [(layersNames[i[0] - 1]) for i in network.getUnconnectedOutLayers()]# outputs：3個特征圖：分別為小、中、大。（13*13、26*26、52*52）# 每個特征圖又輸出85個類別outputs = network.forward(outputNames)# print(outputs[0].shape)# print(outputs[1].shape)# print(outputs[2].shape)# print(outputs[0][0])return outputs

得到圖中的一系列結果：

預測框坐標、長寬、置信度、各分類的預測分數。

[5.9418369e-02 7.4009120e-02 5.7651168e-01 1.6734526e-01 6.5560471e-07
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00
?0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00 0.0000000e+00]?

六、框出物體

# 框出物體
def GetObject(outputs, image):# 創建參數列表h_p, w_p, c_p = image.shape # 圖像的高、寬、通道數bboxes = []                 # 預測框classIds = []               # 分類索引confidences = []            # 置信度

1、獲取所有預測框情況?

逐特征圖輸出

# 逐特征圖輸出for output in outputs:

逐框輸出

# 逐框輸出for one_class in output:

單預測框結果

# 算出每個框的預測情況# 先得到其85分類，每個分類的得分，再獲取最大得分的下標作為索引，最后得到其置信度scores = one_class[5:]          # 獲取所有得分classId = np.argmax(scores)     # 獲取分類索引confidence = scores[classId]    # 獲取置信度

置信度過半時，把預測框認為可能的預測結果存入列表

# 加入預測到的物體（認為可能的物體）if confidence > 0.5:# 獲取預測框寬高、坐標w_b, h_b = int(one_class[2] * w_p), int(one_class[3] * h_p)x, y = int((one_class[0] * w_p) - w_b / 2), int((one_class[1] * h_p) - h_b / 2)# （中心點x、y坐標）bbox = [x, y, w_b, h_b]# 把參數加入列表（預測框參數、分類索引、置信度）bboxes.append(bbox)                     # 預測框參數classIds.append(classId)                # 分類索引confidences.append(float(confidence))   # 置信度print(confidences)

2、保留一個預測框

????????根據置信度、NMS進行非極大值抑制。 （前面對置信度已經有過一次過濾，這次可以不再設置置信度閾值）。

# 保留一個預測框（從置信度閾值、NMS閾值進行設置）indices = cv2.dnn.NMSBoxes(bboxes, confidences, 0.5,     0.1)#                         預測框    置信度       置信度閾值  NMS閾值(非極大值抑制)

3、畫出預測框

# 輸出預測框for i in indices:i = i[0]box = bboxes[i]x, y, w, h = box[0], box[1], box[2], box[3]# print(x,y,w,h)cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 255), 2)cv2.putText(image, f'{name_list[classIds[i]].upper()} {int(confidences[i] * 100)}%',(x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 2)cv2.imshow('image', image)

?

?

?預測最大的問題就是比較慢，用tiny的話足夠快，但是不準確，還有很大的提升空間。

總代碼

import cv2
import numpy as np# 讀取文件
def ReadFile():global name_listname_list = []# 讀取文件with open('yolo/coco.names') as f:name_list = f.read().split('\n')# print(name_list)# 搭建神經網絡
def Network_Init():global networkmodel_configuration = 'yolo/yolov3.cfg'  # 配置模型model_weights = 'yolo/yolov3.weights'    # 權重# 1、創建神經網絡network = cv2.dnn.readNetFromDarknet(model_configuration, model_weights)#                                     配置模型       權重# 2、GPU加速network.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)    # 設置opencv作為后端network.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)# print(network)# 打開攝像頭
def Capture_Init():global capture, w, hcapture = cv2.VideoCapture(0)w, h = 320, 320# 向神經網絡輸入
def Input_to_Network(image):# 把image轉換成blob數據類型（歸一化等一系列數據類型轉換）（這種方式網絡可以理解）blob = cv2.dnn.blobFromImage(image, 1 / 255, (w, h), [0, 0, 0], 1, crop=False)#                            圖像 歸一化   寬,高              裁剪結果# 設置神經網絡輸入network.setInput(blob)# print(blob)# 獲取神經網絡輸出
def Network_Output():# 1、獲取神經網絡各層名稱layersNames = network.getLayerNames()# 2、獲取神經網絡輸出層名稱outputNames = [(layersNames[i[0] - 1]) for i in network.getUnconnectedOutLayers()]# print(outputNames)# 3、獲取輸出層圖像（內容）# outputs：3個特征圖：分別為小、中、大。（13*13、26*26、52*52）# 每個特征圖又輸出85個類別outputs = network.forward(outputNames)# print(outputs[0].shape)# print(outputs[1].shape)# print(outputs[2].shape)# print(outputs[0][0])return outputs# 框出物體
def GetObject(outputs, image):# 創建參數列表h_p, w_p, c_p = image.shape # 圖像的高、寬、通道數bboxes = []                 # 預測框classIds = []               # 分類索引confidences = []            # 置信度# 1、獲取所有預測框的情況# outputs：小、中、大三個特征圖# output：小、中、大單個特征圖# oneclass：小、中、大每個分類# 逐特征圖輸出for output in outputs:# 逐框輸出for one_class in output:# 算出每個框的預測結果# 先得到其85分類，每個分類的得分，再獲取最大得分的下標作為索引，最后得到其置信度scores = one_class[5:]          # 獲取所有得分classId = np.argmax(scores)     # 獲取分類索引confidence = scores[classId]    # 獲取置信度# 加入預測到的物體（認為可能的物體）if confidence > 0.5:# 獲取預測框寬高、坐標w_b, h_b = int(one_class[2] * w_p), int(one_class[3] * h_p)x, y = int((one_class[0] * w_p) - w_b / 2), int((one_class[1] * h_p) - h_b / 2)# （中心點x、y坐標）bbox = [x, y, w_b, h_b]# 把參數加入列表（預測框參數、分類索引、置信度）bboxes.append(bbox)                     # 預測框參數classIds.append(classId)                # 分類索引confidences.append(float(confidence))   # 置信度print(confidences)# 保留一個預測框（從置信度閾值、NMS閾值進行設置）indices = cv2.dnn.NMSBoxes(bboxes, confidences, 0.5,     0.1)#                         預測框    置信度       置信度閾值  NMS閾值(非極大值抑制)# 輸出預測框for i in indices:i = i[0]box = bboxes[i]x, y, w, h = box[0], box[1], box[2], box[3]# print(x,y,w,h)cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 255), 2)cv2.putText(image, f'{name_list[classIds[i]].upper()} {int(confidences[i] * 100)}%',(x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 2)cv2.imshow('image', image)if __name__ == '__main__':ReadFile()          #讀取文件Network_Init()      #神經網絡初始化Capture_Init()      #攝像頭初始化while True:global img# success, img = capture.read()img = cv2.imread("Resource/test4.jpg")# 向神經網絡輸入Input_to_Network(img)# 獲取神經網絡輸出outputs = Network_Output()# 框出物體GetObject(outputs, img)# 設置每幀間隔時間（q鍵退出）cv2.waitKey(1)# if cv2.waitKey(1) & 0XFF == ord("q"):#     breakcv2.waitKey(0)

總結

以上是生活随笔為你收集整理的Yolo（3）（项目）Yolo v3 目标检测（85分类）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。