keras+yolo实现旗帜识别
共 2216字，需浏览 5分钟
·
2021-07-27 15:38
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
本项目里有40类旗帜
旗帜（包含40个种类旗帜），数据来着于网络，数据标注是个苦力活，本数据包含1600多张图片，花费接近一个星期标注完成，且用且珍惜!!!
直接将两个文件夹放置于model_data下
项目 代码，数据集，预训练权重 获取方式：
关注微信公众号 datayx 然后回复 旗帜 即可获取。
AI项目体验地址 https://loveai.tech
快速开始
1. 下载本项目预训练 权重
2. 修改yolo.py中第24行权重路径
3. 将需要检测旗帜图片放入sample文件夹中
4. 运行检测
python yolo_images.py
训练
训练自己的数据 无需使用 预训练的权重 （此方法适用于各类数据）
step 1
使用labelImg对数据进行标记
得到xml文件，放置于./model_data/label_train/将图片数据放在于./model_data/train/ (建议图片宽高大于416，不然影响训练)
将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件，因为数据标记时，标记的为类别id，为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)
step 2
执行xml_to_data.py 生成 kitti_simple_label.txt
python xml_to_data.py # 如果自己数据集 请根据自己数据进行更改代码
# 生成的kitti_simple_label.txt 格式为:图片path box,类别id box,类别id...
step 3
k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt
python kmeans.py
step 4
开始训练(建议epochs大于500，如果内存溢出可减小batch_size。其他参数，按照自己数据，自行修改。)
python train.py
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx