yolov3-and-yolov3-tiny

这是yolov3 和 yolov3-tiny 的目标检测网络，可用于训练自己的数据集

环境要求

工具	版本
python	3.8.0
TensorFlow-gpu	2.5.0

训练数据和权重摆放

─VOC2007
    ├─Annotations
    │	└─000005.xml
    │	└─000006.xml
    │	└─xxxx.xml	
    ├─ImageSets
    │  └─Main
    └─JPEGImages
    │	└─000005.jpg
    │	└─000006.jpg
    │	└─xxxx.jpg

model_data 目录下摆放.h5 文件

训练步骤

1. 运行 voc_annotation.py 生成 训练索引 2007_train.txt 和2007——val.txt （注意生成时，自己的图片是png 还是jpg ，需要更改一下 保证 VOCdevkit\VOC2007\ImageSets\文件夹下有Main 文件夹）

2. 运行 kmeans.py 聚类 生存anchor boxes,存入在yolo_anchors1.txt 中

3. 找到 train_yolov3.py 或者train_tiny_model.py,更改配置路径，点击运行

预测步骤

1. 在根目录下的yolo.py 文件中 设置权重文件路径，achor boxes 和 classes的路劲
2. 在predict.py 中 选择预测模式，点击运行即可 注意：训练时根据设备条件 设置合适的batch_size

其他地址：

csdn 博客地址： https://blog.csdn.net/qq_38676487/article/details/120443059?spm=1001.2014.3001.5501

b站 配置讲解: https://www.bilibili.com/video/BV13r4y127wr（已删除）

内容	链接
VOC2007 数据集	链接
戴口罩数据集	链接
权重文件	链接 提取码：y32m
完整项目地址（包含所有文件）	链接 提取码 jmpl

conda虚拟环境一键导入：

conda env create -f tf2.5.yaml

其他问题私信：[email protected]

如果觉得有用清给我点star

参考

https://github.com/bubbliiiing/yolo3-tf2

https://github.com/qqwweee/keras-yolo3