TensorFlow＋Keras 實戰 YOLO v3 目標檢測圖文並茂教程

作者 | fendouai

編輯 | 磐石

出品 | 磐創AI技術團隊

YOLO是一種非常流行的目標檢測演算法，速度快且結構簡單。日前，YOLO作者推出YOLOv3版，在Titan X上訓練時，在mAP相當的情況下，v3的速度比RetinaNet快3.8倍。

YOLO v3實時物體檢測視頻：

YOLOv3與其他目標檢測器的比較

開始動手運行YOLO V3:

運行步驟

1. 從 YOLO 官網下載YOLOv3權重

wget https://pjreddie.com/media/files/yolov3.weights

下載過程如圖：

2.轉換Darknet YOLO模型為Keras模型

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

轉換過程如圖：

3.運行YOLO目標檢測

python yolo.py

需要下載一個圖片，然後輸入圖片的名稱，如圖所示：

我並沒有使用經典的那張圖，隨便從網上找了一個，來源見圖片水印：

識別效果：

項目地址：https://github.com/qqwweee/keras-yolo3、

YOLO官網：https://pjreddie.com/darknet/yolo/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！