1、下载
1.0、环境
这是笔者环境,各位可根据笔者环境考虑是否要继续
- window 10
- python 3.6.5
- torch 1.0
1.1、模型下载
https://github.com/eriklindernoren/PyTorch-YOLOv3
1.2、安装所需库
打开requirements.txt
,傻瓜式操作安装所需库:
-
numpy(笔者安装numpy最新版本时需要升级pip版本,
python -m pip install --upgrade pip
) -
torch>=1.0
-
torchvision
-
matplotlib
-
tensorflow(最好在1.14–2.0之间,笔者为tensorflow==2.0,
pip install tensorflow==2.0
) -
tensorboard
-
terminaltables
-
pillow
-
tqdm
1.3、下载数据集
该版本使用数据集为coco,train和val两个包加起来差不多20g,如果嫌麻烦,可以跳过,不对后续步骤产生影响。
下载链接
[1] - train2014 images: (13GB)
http://images.cocodataset.org/zips/train2014.zip
[2] - val2014 images:(6GB)
http://images.cocodataset.org/zips/val2014.zip
更详细的请参照其他博主的链接:https://blog.csdn.net/m0_37644085/article/details/81948396
朋友可以自己做数据集,用自己的数据集训练,这里不多做介绍。
1.4、下载训练好的权重
笔者直接跳过1.3,进行1.4,权重链接:https://download.csdn.net/my
一般情况下,都是使用yolov3.weights
,也可使用yolov3-tiny.weights
,笔者使用的是yolov3.weights
,将它们放在weight文件夹里面:
2、训练
详细参见另一位博主[YOLOV3训练自己的数据集(PyTorch版本)
]
嫌麻烦的朋友可跳过,对后续步骤不影响。
3、测试
3.1、准备
下载的模型其实缺少了一个文件,大家需要新建一个文件夹output
,output里面再建一个文件夹samples
,用于存放测试后的图片:
⬇
⬇
3.2、运行测试
直接运行下面的代码,就会对路径~/PyTorch-YOLOv3/data/samples下的图片进行目标检测。
python detect.py
过程如下:
3.3、测试结果
测试结果如下(个别举例):
主要步骤都在这,可能有少部分的代码改动,但不影响原本框架的使用,有需要的朋友可在下方留言,私信发给你们。