この記事の前提は、オープンソースの偉大な神を使用するようになった後、すぐにYOLOv3に使う取る、あなたがピットロードを避ける取る、総括に来て、それがどのように動作するかを理解し、それはあなたを助けるのが好きターゲット検出器であることを知ることができませんピクチャアイテムの位置を自動的に検出。
まず第一に、偉大な神甲斐出典：https://github.com/YunYang1994/tensorflow-yolov3あなたは以下のコードのいくつかよりもあなたのデータを訓練するので、コードはすべてについて、神のVOC訓練データで使用されるコードです。
ここでは歓迎異なる意見がありますが、全体の手順は、純粋に個人的な理解です。
A最初の偉大な神のコードクローンダウン：
$ git clone https://github.com/YunYang1994/tensorflow-yolov3.git
ルーチンは、オブジェクトを識別することであるならば、うまくクイックスタートの神部2の電源を使用しますが、それはデータ項目の独自の特定のセットであれば、以下の説明を参照してください。
1.独自のトレーニング画像データセットを作成し、ツールlabelimg、公式のインストールと使用チュートリアルでオンラインで見つけることができる、のpython3のユーザーはインストール方法をお勧めします、ここでは詳しく述べません。
pip install labelimg
端末入力でソフトウェアを起動しlabelimg
フォーマットの形式フラグXML、XMLデータ抽出data.txtを、後の画像データ：
Xxx/xxx.jpg 48,240,195,371,11 8,12,352,498,14 #注意逗号和空格的位置
#image path x_min,ymin,x_max,y_max,class_id x_min,y_min
train.pyへのイメージパス推奨の相対パス
Class.nams：ファイルの独自のクラス名を定義します。
Person
car
…
ここではデータはdata.txtをの形で抽出された、神は、コードvoc_annotation.py大規模訓練VOCデータを持っていないでしょう
一定の割合によってDATA.TXTネットワークと試験結果を訓練するために使用される、trian.txtとtest.txtというに分割されます。
3.編集./core/config.pyの設定項目
_C.YOLO.CLASSES =”./data/classes/class.names”
_C.TRAIN.ANNOT_PATH=”./data/dataset/train.txt”
_C.TEST.ANNOT_PATH=”./data/dataset/test.txt”
トレーニング方法の2つのトレーニング方法で偉大な神は学習トレーニング、トレーニング、重いファイルCKPTの下で、ほとんどのエラーを保持する権利の50倍の最後の反復の終了を移行することをお勧めします。
ここでは、より多くのコードを負いませconvert_weight.py混乱している、このコードは実際には使用されていません。我々だけでコードが.ckptソースコードファイルを注意すべきであるダウンコピーした場合は、このコードの役割はファイルyolov3.weight .ckptファイルにモデルを有効にすることですので、存在しません！！
だから、次のステップは、コードfreeze_graph.pyに直接でなければなりませんPBファイルに文書をCKPTなり、画像がオブジェクトを識別するために呼び出されます。
あなたがしたいfreeze_graph.py pb.file変更モデルファイル名の変換に先立ち、ckpt_fileの代わりに、あなたはCKPTファイルから変換したいの訓練。
これで設定が完了し、幸せなオブジェクトのソースコード提供image_demoのvedio_demoコードと識別画像とビデオバー。
