yolov3 python_Python 3 Keras YOLO v3解析与实现
YOLOv3在YOLOv2的基礎(chǔ)進(jìn)行了一些改進(jìn)，這些更改使其效果變得更好。 在320×320的圖像上，YOLOv3運(yùn)行速度達(dá)到了22.2毫秒，mAP為28.2。其與SSD一樣準(zhǔn)確，但速度快了三倍，具體效果如下圖。本文對YOLO v3的改進(jìn)點(diǎn)進(jìn)行了總結(jié)，并實(shí)現(xiàn)了一個(gè)基于Keras的YOLOv3檢測模型。
inference
環(huán)境
Python 3.6
Tensorflow-gpu 1.5.0
Keras 2.1.3
OpenCV 3.4
改進(jìn)點(diǎn)
1.Darknet-53特征提取網(wǎng)絡(luò)
不同于Darknet-19，YOLO v3中使用了一個(gè)53層的卷積網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)由殘差單元疊加而成。根據(jù)作者的實(shí)驗(yàn)，在分類準(zhǔn)確度上跟效率的平衡上，這個(gè)模型比ResNet-101、 ResNet-152和Darknet-19表現(xiàn)得更好。
Darknet-53
2.邊界框預(yù)測
基本的坐標(biāo)偏移公式與YOLO v2相同。
box
YOLO v3使用邏輯回歸預(yù)測每個(gè)邊界框的分?jǐn)?shù)。 如果先驗(yàn)邊界框與真實(shí)框的重疊度比之前的任何其他邊界框都要好，則該值應(yīng)該為1。 如果先驗(yàn)邊界框不是最好的，但確實(shí)與真實(shí)對象的重疊超過某個(gè)閾值(這里是0.5)，那么就忽略這次預(yù)測。YOLO v3只為每個(gè)真實(shí)對象分配一個(gè)邊界框，如果先驗(yàn)邊界框與真實(shí)對象不吻合，則不會(huì)產(chǎn)生坐標(biāo)或類別預(yù)測損失，只會(huì)產(chǎn)生物體預(yù)測損失。
3.類別預(yù)測
為了實(shí)現(xiàn)多標(biāo)簽分類，模型不再使用softmax函數(shù)作為最終的分類器，而是使用logistic作為分類器，使用 binary cross-entropy作為損失函數(shù)。
4.多尺度預(yù)測
不同于之前的YOLO，YOLO v3從三種不同尺度的特征圖譜上進(jìn)行預(yù)測任務(wù)。
在Darknet-53得到的特征圖的基礎(chǔ)上，經(jīng)過7個(gè)卷積得到第一個(gè)特征圖譜，在這個(gè)特征圖譜上做第一次預(yù)測。
然后從后向前獲得倒數(shù)第3個(gè)卷積層的輸出，進(jìn)行一次卷積一次x2上采樣，將上采樣特征與第43個(gè)卷積特征連接，經(jīng)過7個(gè)卷積得到第二個(gè)特征圖譜，在這個(gè)特征圖譜上做第二次預(yù)測。
然后從后向前獲得倒數(shù)第3個(gè)卷積層的輸出，進(jìn)行一次卷積一次x2上采樣，將上采樣特征與第26個(gè)卷積特征連接，經(jīng)過7個(gè)卷積得到第三個(gè)特征圖譜，在這個(gè)特征圖譜上做第三次預(yù)測。
每個(gè)預(yù)測任務(wù)得到的特征大小都為N ×N ×[3?(4+1+80)] ，N為格子大小，3為每個(gè)格子得到的邊界框數(shù)量， 4是邊界框坐標(biāo)數(shù)量，1是目標(biāo)預(yù)測值，80是類別數(shù)量。
out
實(shí)驗(yàn)
實(shí)現(xiàn)了一個(gè)輸入大小為(416, 416)的yolo v3檢測模型，模型使用了coco訓(xùn)練的權(quán)值文件。
權(quán)值文件轉(zhuǎn)換
參考了yad2k項(xiàng)目的轉(zhuǎn)換方法，我們?yōu)槠涮砑恿藥讉€(gè)新的層，用來將Darknet的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值文件轉(zhuǎn)換為keras 2的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值文件。
執(zhí)行下列命令轉(zhuǎn)換
python yad2k.py cfg\yolo.cfg yolov3.weights data\yolo.h5
檢測
demo.py文件提供了使用yolo v3進(jìn)行檢測的例子。圖片檢測結(jié)果輸出到images\res文件夾。
"""Demo for use yolo v3
"""
import os
import time
import cv2
import numpy as np
from model.yolo_model import YOLO
def process_image(img):
"""Resize, reduce and expand image.
# Argument:
img: original image.
# Returns
image: ndarray(64, 64, 3), processed image.
"""
image = cv2.resize(img, (416, 416),
interpolation=cv2.INTER_CUBIC)
image = np.array(image, dtype='float32')
image /= 255.
image = np.expand_dims(image, axis=0)
return image
def get_classes(file):
"""Get classes name.
# Argument:
file: classes name for database.
# Returns
class_names: List, classes name.
"""
with open(file) as f:
class_names = f.readlines()
class_names = [c.strip() for c in class_names]
return class_names
def draw(image, boxes, scores, classes, all_classes):
"""Draw the boxes on the image.
# Argument:
image: original image.
boxes: ndarray, boxes of objects.
classes: ndarray, classes of objects.
scores: ndarray, scores of objects.
all_classes: all classes name.
"""
for box, score, cl in zip(boxes, scores, classes):
x, y, w, h = box
top = max(0, np.floor(x + 0.5).astype(int))
left = max(0, np.floor(y + 0.5).astype(int))
right = min(image.shape[1], np.floor(x + w + 0.5).astype(int))
bottom = min(image.shape[0], np.floor(y + h + 0.5).astype(int))
cv2.rectangle(image, (top, left), (right, bottom), (255, 0, 0), 2)
cv2.putText(image, '{0} {1:.2f}'.format(all_classes[cl], score),
(top, left - 6),
cv2.FONT_HERSHEY_SIMPLEX,
0.6, (0, 0, 255), 1,
cv2.LINE_AA)
print('class: {0}, score: {1:.2f}'.format(all_classes[cl], score))
print('box coordinate x,y,w,h: {0}'.format(box))
print()
def detect_image(image, yolo, all_classes):
"""Use yolo v3 to detect images.
# Argument:
image: original image.
yolo: YOLO, yolo model.
all_classes: all classes name.
# Returns:
image: processed image.
"""
pimage = process_image(image)
start = time.time()
boxes, classes, scores = yolo.predict(pimage, image.shape)
end = time.time()
print('time: {0:.2f}s'.format(end - start))
if boxes is not None:
draw(image, boxes, scores, classes, all_classes)
return image
def detect_vedio(video, yolo, all_classes):
"""Use yolo v3 to detect video.
# Argument:
video: video file.
yolo: YOLO, yolo model.
all_classes: all classes name.
"""
camera = cv2.VideoCapture(video)
cv2.namedWindow("detection", cv2.WINDOW_NORMAL)
while True:
res, frame = camera.read()
if not res:
break
image = detect_image(frame, yolo, all_classes)
cv2.imshow("detection", image)
if cv2.waitKey(110) & 0xff == 27:
break
camera.release()
if __name__ == '__main__':
yolo = YOLO(0.6, 0.5)
file = 'data/coco_classes.txt'
all_classes = get_classes(file)
# detect images in test floder.
for (root, dirs, files) in os.walk('images/test'):
if files:
for f in files:
print(f)
path = os.path.join(root, f)
image = cv2.imread(path)
image = detect_image(image, yolo, all_classes)
cv2.imwrite('images/res/' + f, image)
# detect vedio.
video = 'E:/video/car.flv'
detect_vedio(video, yolo, all_classes)
結(jié)果
運(yùn)行python demo.py
dog.png
eagle.png
giraffe.png
horses.png
person.png
總結(jié)
以上是生活随笔為你收集整理的yolov3 python_Python 3 Keras YOLO v3解析与实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 电脑nisec用户管理工具有什么作用
- 下一篇： python 控件叠加_Python3