久久精品内射国产,久久精品视频6,操鼻素材大全在线观看,成人免费a级,午夜视频一区二区三区,一区二区三区在线视频免费 ,AV片网,中国日本黄色一级片A

向AI轉(zhuǎn)型的程序員都關(guān)注了這個(gè)號(hào)??????

機(jī)器學(xué)習(xí)AI算法工程?? 公眾號(hào)：datayx

這是一個(gè)efficientnet-yolo3-tf2的源碼，將yolov3的主干特征提取網(wǎng)絡(luò)修改成了efficientnet

性能情況

項(xiàng)目代碼?獲取方式：

關(guān)注微信公眾號(hào) datayx ?然后回復(fù)?目標(biāo)檢測(cè)?即可獲取。

tensorflow-gpu==2.2.0

訓(xùn)練所需的所有efficientnet權(quán)重可以在百度網(wǎng)盤下載
鏈接:?https://pan.baidu.com/s/1ItGrFVQQjvY7y73a6UDVqA
提取碼: s395

VOC數(shù)據(jù)集下載地址如下，里面已經(jīng)包括了訓(xùn)練集、測(cè)試集、驗(yàn)證集（與測(cè)試集一樣），無需再次劃分：
鏈接:?https://pan.baidu.com/s/19Mw2u_df_nBzsC2lg20fQA
提取碼: j5ge

數(shù)據(jù)集的準(zhǔn)備
本文使用VOC格式進(jìn)行訓(xùn)練，訓(xùn)練前需要下載好VOC07+12的數(shù)據(jù)集，解壓后放在根目錄
數(shù)據(jù)集的處理
修改voc_annotation.py里面的annotation_mode=2，運(yùn)行voc_annotation.py生成根目錄下的2007_train.txt和2007_val.txt。
開始網(wǎng)絡(luò)訓(xùn)練
train.py的默認(rèn)參數(shù)用于訓(xùn)練VOC數(shù)據(jù)集，直接運(yùn)行train.py即可開始訓(xùn)練。
訓(xùn)練結(jié)果預(yù)測(cè)
訓(xùn)練結(jié)果預(yù)測(cè)需要用到兩個(gè)文件，分別是yolo.py和predict.py。我們首先需要去yolo.py里面修改model_path以及classes_path，這兩個(gè)參數(shù)必須要修改。
model_path指向訓(xùn)練好的權(quán)值文件，在logs文件夾里。
classes_path指向檢測(cè)類別所對(duì)應(yīng)的txt。
完成修改后就可以運(yùn)行predict.py進(jìn)行檢測(cè)了。運(yùn)行后輸入圖片路徑即可檢測(cè)。

數(shù)據(jù)集的準(zhǔn)備
本文使用VOC格式進(jìn)行訓(xùn)練，訓(xùn)練前需要自己制作好數(shù)據(jù)集，
訓(xùn)練前將標(biāo)簽文件放在VOCdevkit文件夾下的VOC2007文件夾下的Annotation中。
訓(xùn)練前將圖片文件放在VOCdevkit文件夾下的VOC2007文件夾下的JPEGImages中。
數(shù)據(jù)集的處理
在完成數(shù)據(jù)集的擺放之后，我們需要利用voc_annotation.py獲得訓(xùn)練用的2007_train.txt和2007_val.txt。
修改voc_annotation.py里面的參數(shù)。第一次訓(xùn)練可以僅修改classes_path，classes_path用于指向檢測(cè)類別所對(duì)應(yīng)的txt。
訓(xùn)練自己的數(shù)據(jù)集時(shí)，可以自己建立一個(gè)cls_classes.txt，里面寫自己所需要區(qū)分的類別。
model_data/cls_classes.txt文件內(nèi)容為：

修改voc_annotation.py中的classes_path，使其對(duì)應(yīng)cls_classes.txt，并運(yùn)行voc_annotation.py。

開始網(wǎng)絡(luò)訓(xùn)練
訓(xùn)練的參數(shù)較多，均在train.py中，大家可以在下載庫后仔細(xì)看注釋，其中最重要的部分依然是train.py里的classes_path。
classes_path用于指向檢測(cè)類別所對(duì)應(yīng)的txt，這個(gè)txt和voc_annotation.py里面的txt一樣！訓(xùn)練自己的數(shù)據(jù)集必須要修改！
修改完classes_path后就可以運(yùn)行train.py開始訓(xùn)練了，在訓(xùn)練多個(gè)epoch后，權(quán)值會(huì)生成在logs文件夾中。
訓(xùn)練結(jié)果預(yù)測(cè)
訓(xùn)練結(jié)果預(yù)測(cè)需要用到兩個(gè)文件，分別是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。
model_path指向訓(xùn)練好的權(quán)值文件，在logs文件夾里。
classes_path指向檢測(cè)類別所對(duì)應(yīng)的txt。
完成修改后就可以運(yùn)行predict.py進(jìn)行檢測(cè)了。運(yùn)行后輸入圖片路徑即可檢測(cè)。

img/street.jpg

在predict.py里面進(jìn)行設(shè)置可以進(jìn)行fps測(cè)試和video視頻檢測(cè)。

按照訓(xùn)練步驟訓(xùn)練。
在yolo.py文件里面，在如下部分修改model_path和classes_path使其對(duì)應(yīng)訓(xùn)練好的文件；model_path對(duì)應(yīng)logs文件夾下面的權(quán)值文件，classes_path是model_path對(duì)應(yīng)分的類。

img/street.jpg

本文使用VOC格式進(jìn)行評(píng)估。VOC07+12已經(jīng)劃分好了測(cè)試集，無需利用voc_annotation.py生成ImageSets文件夾下的txt。
在yolo.py里面修改model_path以及classes_path。model_path指向訓(xùn)練好的權(quán)值文件，在logs文件夾里。classes_path指向檢測(cè)類別所對(duì)應(yīng)的txt。
運(yùn)行g(shù)et_map.py即可獲得評(píng)估結(jié)果，評(píng)估結(jié)果會(huì)保存在map_out文件夾中。

本文使用VOC格式進(jìn)行評(píng)估。
如果在訓(xùn)練前已經(jīng)運(yùn)行過voc_annotation.py文件，代碼會(huì)自動(dòng)將數(shù)據(jù)集劃分成訓(xùn)練集、驗(yàn)證集和測(cè)試集。如果想要修改測(cè)試集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(訓(xùn)練集+驗(yàn)證集)與測(cè)試集的比例，默認(rèn)情況下 (訓(xùn)練集+驗(yàn)證集):測(cè)試集 = 9:1。train_percent用于指定(訓(xùn)練集+驗(yàn)證集)中訓(xùn)練集與驗(yàn)證集的比例，默認(rèn)情況下訓(xùn)練集:驗(yàn)證集 = 9:1。
利用voc_annotation.py劃分測(cè)試集后，前往get_map.py文件修改classes_path，classes_path用于指向檢測(cè)類別所對(duì)應(yīng)的txt，這個(gè)txt和訓(xùn)練時(shí)的txt一樣。評(píng)估自己的數(shù)據(jù)集必須要修改。
在yolo.py里面修改model_path以及classes_path。model_path指向訓(xùn)練好的權(quán)值文件，在logs文件夾里。classes_path指向檢測(cè)類別所對(duì)應(yīng)的txt。
運(yùn)行g(shù)et_map.py即可獲得評(píng)估結(jié)果，評(píng)估結(jié)果會(huì)保存在map_out文件夾中。

機(jī)器學(xué)習(xí)算法AI大數(shù)據(jù)技術(shù)

?搜索公眾號(hào)添加：?datanlp

長按圖片，識(shí)別二維碼

閱讀過本文的人還看了以下文章：

TensorFlow 2.0深度學(xué)習(xí)案例實(shí)戰(zhàn)