采用tensorflow框架编写，中文注释完全，含测试和训练

采用tensorflow框架编写，中文注释完全，含测试和训练

tensorflow-YOLO1

目标检测yolo算法，采用tensorflow框架编写，中文注释完全，含测试和训练，支持摄像头

模型简介

yolo v1

yolo v2

关于yolo v2 网上博客大致内容介绍很详细，可以参考论文YOLO9000: Better, Faster, Stronger 我主要介绍它的训练数据长什么样，这也是困扰我好久的。yolo v2 加了anchor box为上述每个格子提供多个目标的可能，真实值的目标要与anchor box计算iou值，大于阈值才保留，否则保留iou值最大的目标，这样label的shape就变成了[batch, cell_size, cell_size, N_ANCHORS, num_clsses+5],相关坐标x,y,w,h和yolo1处理方式也些许不同，感兴趣的同学可以去参考论文。

代码介绍

代码只针对于yolo1的训练和测试

环境说明：

主要环境配置为： ubuntu 16.04 python 3.5.5 tensorflow 1.4.1 opencv 3.4.1 不知道windows可不可以，应该没问题

-数据

训练数据-VOC解压放置到data目录下，预训练模型放置到data目录下

代码介绍

data下放置训练数据和预训练模型和将数据生成的tfrecords文件 graph保存训练过程中的训练集和验证集的graph model保存训练的最优model output是测试图片保存目录 picture是测试图片放置目录 utils包括配置文件config,模型文件model，数据处理文件psscal_voc image_test.py是判断生成tfrecords文件是否图片标注正确 test.py是测试文件 tfrecord.py是将数据处理成tfrecords格式 train.py是训练文件

运行

首先可以手动修改config配置文件 若要训练的话: 运行python tfrecord.py 生成数据 运行python train.py 训练数据 若要测试: 把自己喜欢图片放到picture内，本代码图片来源于百度图片 查看代码,确定你进行测试要使用的model，运行test.py 本测试代码支持摄像头

建议

建议-预训练模型训练，训练次数不宜过长，否则过拟合很严重 本代码只保存验证集上的最优模型 代码参考hizhangp 如有错误还请多多指正

结果展示

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。