重磅：TensorFlow实现YOLOv3（内含福利）

YOLO官网：YOLO: Real-Time Object Detection

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

论文链接：https://pjreddie.com/media/files/papers/YOLOv3.pdf

知乎话题：如何评价YOLOv3: An Incremental Improvement？

Author：qqwweee

往期回顾

YOLOv3：你一定不能错过

CVer微信群和QQ群—入群方式

OpenCV实战：人脸关键点检测（FaceMark）

PS：往下拉，文末有福利！

前戏

前些天，Amusi翻译了YOLOv3论文，大家也好评如潮。而Amusi本人对YOLOv3也很感兴趣，于是配置了Windows版的DarkNet，已经跑出了C++版本的YOLOv3，速度要比Python版的快一些。C++版本的DarkNet，利用Visual Studio打开，实在很方便，可以直接阅读算法的源码（感觉可以搞事情了）。

当然这也不能满足我，我还配置了PyTorch版的YOLOv3，最近在github上看见基于TensorFlow和Keras复现的YOLOv3，简直太帅了（给大佬们打call）。

今天就重点向大家介绍TensorFlow版本的YOLOv3安装和测试教程。

环境

硬件

intel CORE i5

GTX 960m（2G显存）

12G 内存

软件

TensorFlow 1.4

Keras

h5py

OpenCV3.x

注：大家不要被这配置所“吓”到，因为Amusi的十八线过气笔记本还是能打的，比如来测试跑跑。重点是TensorFlow建议升级到1.4及以上，但不推荐最新的，因为可能还要安装CUDA9.0。注意还要额外安装h5py和OpenCV3.x！

这里简单介绍一下安装h5py和OpenCV3.x的命令

1pip install h5py2pip install opencv-contrib-python

注：其实安装OpenCV，使用pip install opencv-python即可，但Amusi超级喜欢使用pip install opencv-contrib-python，嘻嘻，多一个contrib，意义大有不同。感兴趣的童鞋，可以自行百度。

安装

1 下载 keras-yolo3库

首先，选择一个路径，打开你的cmd命令提示符（对于Windows）或者终端（Linux/Mac），并使用git命令下载keras-yolo3库：

1git clone https://github.com/qqwweee/keras-yolo3.git2cd keras-yolo3

2 下载已训练好的权重yolov3.weights

大家可以上YOLO的官网上下载yolov3.weights，但可能受资源限制问题，下载速度会受限。由于该文件大概236.MB，所以贴心的Amusi已经将yolov3.weights上传到百度云上了。如果你需要，可以在CVer公众号后台回复：yolov3.weights即可。注意回复内容一定要准确哦，是yolov3.weights

下载好yolov3.weights，然后将此文件放在path/keras-yolo3路径下。

3 yolov3.weights格式转换

刚才下载好的yolov3.weights并不是TensorFlow/Keras所支持的权重格式，因为TensorFlow所支持格式是h5文件。

所以这里需要将yolov3.weights进行格式转换，贴心的qqwweee已经在keras-yolo3中写好了转换脚本文件(convert)了，所以大家直接打开你的cmd命令提示符（对于Windows）或者终端（Linux/Mac）输入下述命令即可：

1python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

此时在path/keras-yolo3/model_data中就可以看到新生成的yolo.h5文件：

4 测试

1python yolo.py

此时你的cmd命令提示符（对于Windows）或者终端（Linux/Mac）会提示“Input image filename:”，即需要输入待检测图像的路径。由于原作者并没有提供测试图像，所以Amusi拿了YOLOv3官方提供的测试图像：dog.jpg和person.jpg来测试。

此时输入dog.jpg，按下回车：

等待不到1s，就会见证奇迹！哇塞，这检测结果，很nice...

然后可以继续输入person.jpg，按下回车：

等待不到1s，又见证了奇迹！哇塞，这检测结果，很nice...

等等，你以为这样就结束了么？！

刚才是检测图像，那我们再试一下对视频进行目标检测。

Amusi这里偷点懒，直接使用电脑的摄像头来测试了

1python yolo_video.py

原谅这帧率，啊哈哈，与电脑配置有关......但检测效果还可以，你看teddy bear

5 TODO

聪明的你应该已经注意到，上述教程还只是测试，并没有训练，因为keras-yolo3的原作者qqwweee还没有实现......

如果你已经迫不及待，那么建议你学好TensorFlow，自己来复现论文！这样会有满满的成就感！如何快速学好TensorFlow呢？这是一个问题，同样困扰了Amusi很久。

终于经过Amusi再三考量，昨天在网易云课堂上购买了心仪很久的《TensorFlow实用课程》。购买的原因很简单，讲师来自中科视拓的深度学习大讲堂（很硬的团队），背景是中科院计算所！！！。

在看了《TensorFlow实用课程》教学大纲和免贵的视频介绍后，Amusi终于忍不住，嘿嘿，下单了

图片

Amusi推荐指定购买链接如下，微信扫一扫购买即可：

图片

Warning：通过扫描上述的购买链接（即Amusi推荐指定的二维码），登陆网易云课程账号，加入购物车并购买了《TensorFlow实用课程》课程，那么可以单独加Amusi微信，Amusi可以将你拉入CVer微信学习群。

那么《TensorFlow实用课程》到底哪些地方吸引到Amusi，让一毛不拔的Amusi愿意为知识付费呢？（Amusi其实经常知识付费，知乎上Live就很赞）。接下就简单看一下该课程的介绍和亮点。

《TensorFlow实用课程》

《TensorFlow实用课程》教学目标：
本课程从TensorFlow编程角度来展开介绍，课程内容明确定位为使用TensorFlow编程语言来实现计算模型，让学员学完本课程后，能够比较自由的使用TensorFlow（可简称TF）来表达想要的计算，模型或者算法。

《TensorFlow实用课程》课程内容：

图片

《TensorFlow实用课程》教学方式：

通过一个例子来阐述，让初学者通过完成一个例子，就能理解TF表达计算的思想；

通过人脸识别的例子来阐述Verification Task，包括WebFace中训练和LFW中测试；

在实际中学习Debug和优化思想。

更多相关文章

随机推荐