对自定义数据集进行简单检测

这篇文章比我通常习惯写的要短得多。我最近和学校一起参加了广泛的视野课程。TheSchoolOfAI

我使用YOLOV3做了两个小项目。第一种方法是使用预先训练好的权重，对我手持椰子数据集中的物品的图像进行推断。

对于第二个，我收集并注释了100张包含安全帽、背心、靴子和面具的图像，并对YOLO进行了培训。图像注释是使用这个整洁的注释工具完成的。annotation tool

该模型被训练了13个时期，得到了0.5分的MAP@0.54。以下是一些模型预测。

之后，我从YouTube上收集了一段12s的视频，其中包含了上面提到的许多对象，并使用ffmeg将它们转换为帧。ffmeg

我在提取的帧上运行了目标检测模型，并将它们转换回视频-

我还探索了如何使用K-Means聚类生成锚框，您可以在这个repo中找到这一点。repo

链接到OpenCV-YOLO回购。repo

链接到培训和推理报告。repo

参考文献

用OpenCV和Python https://pysource.com/2019/06/27/yolo-object-detection-using-opencv-with-python/实现Sergio Canu yolo目标检测Sergio Canu https://pysource.com/2019/06/27/yolo-object-detection-using-opencv-with-python/

雷德蒙、约瑟夫和法哈迪，阿里2018年YOLOv3：增量改进https://pjreddie.com/darknet/yolo/https://pjreddie.com/darknet/yolo/

https://github.com/miki998/YoloV3_Annotation_Toolhttps://github.com/miki998/YoloV3_Annotation_Tool