1.写在前面: 前面说到已搭建好本地环境,下面开始运行代码 前文内容详见Windows环境下YoloV3-Keras环境搭建与测试实践(一) 2.测试实践 2.1运行代码前先下载YoloV3的配置文件(包含了预训练权值) 注:推荐使用预训练权重,特别对于小规模数据集训练有很好的收敛效果 yolov3.cfg下载 2.2 在根目录下,转换配置文件,生成...
调用预测本地摄像头 yolo.py 中大致175行 把 vid = cv2.VideoCapture(video_path) 修改为 vid = cv2.VideoCapture(0) 然后运行python yolo_video.py 调用远程 rtmp/rtsp 流进行预测 yolo.py 中大致175行 把 vid = cv2.VideoCapture(video_path) 修改为 vid = cv2.VideoCapture('rtmp://58.200.131.2:1935/...
下一步是打包成exe可执行文件 1.下载pyinstaller conda install pyinstaller 2.尝试一次打包,cd到要打包的那个文件加下 执行pyinstaller -F yolo.py (yolo.py就是要打包的那个文件的main文件所在)
环境搭建 1.下载对应的Anaconda并安装(注:Anaconda版本对于代码测试没有特殊关联,但强烈建议使用Anaconda)清华镜像源 2. 使用Anaconda建立虚拟环境(也可使用command) 2.1 打开anaconda,选中左侧‘environment’,‘creat’,新建一个python版本3.5的虚拟环境(例:ttff),选择对应的Python版本 2.2 在Anaconda打开Terminal 2.3 在...
github链接:https://github.com/qqwweee/keras-yolo3 0.配置代码运行环境 0.1 硬件配置要求 YOLOv3对于电脑的显卡要求高,根据本文作者的经验,至少需要...image.png 在文件夹keras_YOLOv3中鼠标右击,在显示的菜单中选择Open in Term...
2.本文学习qqwweee的github工程《keras-yolo3》并优化其中代码。 github链接:https://github.com/qqwweee/keras-yolo3 0.配置代码运行环境 0.1 硬件配置要求 YOLOv3对于电脑的显卡要求高,根据本文作者的经验,至少需要8GB的显存才能继续本文下面的实验。 只有Nvidia品牌的显卡可以运行深度学习,AMD品牌的显卡不可以运行...
6.5.2 利用YOLO V3模型检测 七、人脸检测与识别 7.1 多任务人脸检测算法MTCNN 7.2 检测小人脸 Tiny Face Detection 7.3 SSH 7.4 一次学习 7.5 三元组损失 7.6 实战:利用Facenet框架进行人脸检测与识别 八、深度学习与文本 8.1 文本向量化方法 8.2 循环神经网络 ...
利用YOLO V3模型检测 七、人脸检测与识别 7.1 多任务人脸检测算法MTCNN 7.2 检测小人脸 Tiny Face Detection 7.3 SSH 7.4 一次学习 7.5 三元组损失 7.6 实战:利用Facenet框架进行人脸检测与识别 八、深度学习与文本 8.1 文本向量化方法 8.2 循环神经网络
在目标识别网路上我们采用了自己复现的YOLOV4-Tiny。之所以采用这个,是因为YOLOV4是YOLOV3的改进版,在YOLOV3的基础上结合了非常多的小Tricks。尽管没有目标检测上革命性的改变,但是YOLOV4依然很好的结合了速度与精度。YoloV4-Tiny是YoloV4的简化版,少了一些结构,但是速度大大增加了,YoloV4共有约6000万参数,YoloV4-...
在输入 320 × 320 的图片后,YOLOv3 能在 22 毫秒内完成处理,并取得 28.2 mAP 的检测精准度,它的精准度和 SSD 相当,但是速度要快 3 倍。当我们用老的 .5 IOU mAP 检测指标时,YOLOv3 的精准度也是相当好的。在 Titan X 环境下,YOLOv3 在 51 毫秒内实现了 57.9 AP50 的精准度,和 RetinaNet 在 198...