目标检测—基于Yolov3的目标检测项目实战（学习笔记）

最近在学习tensorflow，尝试运行学习了github上基于yolov3的一个目标检测项目，此算法可对视频、图片、摄像头实时进行检测，本文主要讲述了，在windows电脑上，复现这一目标检测项目的详细步骤

模型检测效果如下：
1.视频检测输出结果截图
在这里插入图片描述
2.图片检测输出结果

本文主要分为以下几个部分：

复现具体步骤如下：

一、文件下载与准备

1.电脑上已安装anaconda，pycharm
此项目基于tensorflow2.0以上版本，以及opencv-python等库
搭建环境可参考此篇文章
tensorflow安装步骤（GPU版本，Anaconda环境下，Windows10）

2.环境搭建完成后，首先将项目从github下载zip，然后解压到电脑上，如下图所示：
源代码地址：https://github.com/zzh8829/yolov3-tf2
Git加速地址：https://gitcode.net/mirrors/zzh8829/yolov3-tf2?utm_source=csdn_github_accelerator
在这里插入图片描述
3.右键点击解压后的文件夹，并点击Open Folder as PyCharm Project

打开后界面如下图所示：
我们可以在readme中看到运行程序需要yolov的权重文件（红框所示）

4.yolo官网上给我们提供了已经训练好的weight权重文件，我们可以直接下载到本地（点击右侧橙色的weights即可下载），在这里本文选择下载YOLOv3-608和YOLOv3-tiny，并将其放在yolov3-tf2-master文件夹下的data文件夹中
yolov官网地址
在这里插入图片描述

二、将tensorflow导入pycharm

在前面我们已经通过这篇文章tensorflow安装步骤（GPU版本，Anaconda环境下，Windows10）安装了tensorflow
1.在pycharm中选择文件→设置
在这里插入图片描述
2.选择Project Interpreter，并选择Add

3.依次选择Conda Environment，Existing environment和右边的目录

4.找到创建好的tensorflow-gpu环境中的python.exe并选中，点击确定
（在anaconda安装目录下的envs文件夹中是创建的环境文件夹，注意不要选择ananconda目录下的python.exe）
在这里插入图片描述
5.点击确定

6.选择我们刚刚导入的tensorflow-gpu环境下的编译器，并点击应用，确定

这样我们就成功向pycharm导入了tensorflow

三、应用权重文件

1.打开terminal
在这里插入图片描述
2.一般在我们选择好Project Interpreter再打开terminal，就已经进入到了当前环境中去，如果左边括号内不是我们新建的环境，输入下面的命令行进入到tensorflow-gpu环境中去

conda activate tensorflow-gpu

在这里插入图片描述
3.yolov3.weights和yolov3-tiny.weights都是yolov官方给出的预先训练好的权重文件。
yolov3.weights是默认的权重，支持识别目标的类别更多更精准。
yolov3-tiny.weights是轻量化的权重文件，精度及范围相对于yolov3.weights较低，但对设备要求较低，响应的速度更快
输入下面的命令，将yolov3.weights权重文件应用到工程

python convert.py --weights ./data/yolov3.weights --output ./checkpoints/yolov3.tf

或者将yolov3-tiny.weights应用到工程中

python convert.py --weights ./data/yolov3-tiny.weights --output ./checkpoints/yolov3-tiny.tf --tiny

如下图所示：
在这里插入图片描述

terminal中显示weights saved说明已经成功应用到工程中，同时在左边checkpoints目录下会新添加三个文件（红框所示）
在这里插入图片描述

四、目标识别

在terminal运行Detection的命令行即可运行

# yolov3 检测图片的对象
python detect.py --image ./data/street.jpg
 
# yolov3-tiny
python detect.py --weights ./checkpoints/yolov3-tiny.tf --tiny --image ./data/street.jpg
 
# webcam  摄像头实时检测对象
python detect_video.py --video 0
 
# video file   检测视频文件的对象
python detect_video.py --video path_to_file.mp4 --weights ./checkpoints/yolov3-tiny.tf --tiny
 
# video file with output
python detect_video.py --video path_to_file.mp4 --output ./output.avi

例如我们运行下面的命令行：

python detect.py --image ./data/street.jpg

原图片名称为street，运行后输出在左边目录下，想要识别其他图片，将新图片放在data文件夹下，命令行改名字即可
在这里插入图片描述