老规矩
硬件环境:win10系统 Anaconda 1050Ti
软件环境:tensorflow-gpu=1.11.0 keras-gpu=2.1.6 pillow matplotlib opencv-python
这里需要注意keras版本,和上一次复现yolo不一样,opencv-python建议pip安装不建议使用conda install
项目地址:https://github.com/bubbliiiing/faster-rcnn-keras
一.环境配置
参见之间的blog即可,https://blog.csdn.net/hesongzefairy/article/details/104702119
二. 权重文件下载
百度云链接:https://pan.baidu.com/s/1cC1-Ue7pU-v8jLB4tg70VQ 提取码:l33p
下好放入model_data
三. 运行demo
python predict.py
提示输入图片名称,这里我输入33.jpg
检测结果:
那么这里的demo一次只能检测一张图片,改进之后可以在文件夹里放入多张图片检测
首先创建一个新文件夹叫batch_pre,然后放入多张图片,接着在文件夹里创建一个test.txt 每一行写一个图片名称
最后新建一个batch_pre.py代码如下:
from frcnn import FRCNN
from PIL import Image
frcnn = FRCNN()
fi = open('batch_pre/test.txt')
txt = fi.readlines()
im_names = []
for line in txt:
line = line.strip('\n')
line = ('batch_pre/'+line+'.jpg')
im_names.append(line)
print(im_names)
fi.close()
for im_name in im_names:
image = Image.open(im_name)
r_image = frcnn.detect_image(image)
r_image.show()
frcnn.close_session()