yolov3预测图片
yolov3预测自己的数据集
- 对预测所用到的程序进行理解
- 传统方法
- 修改后的预测方法
- 有趣的是__pycache__
对预测所用到的程序进行理解
yolov3进行图片，或者视频的预测主要的是调用yolo.py文件，从而进行视频或者图片的预测，yolo.py文件中generate方法可以加载权重，传入神经网络，对打框的颜色进行划分，会调用model.py中的yolo_eval.py方法,还对电脑的gpu数量进行了判断，等等。
而yolo.py中的detect_image方法会调用generate方法，而且它还调用了utils.py方法对图片进行归一化，从而方便传入神经网络，然后进行画框，值得一提的是，作者在这里进行画标签，对所预测的的目标是否顶格，诺顶格则把标签画到下面。
视频预测也是在yolo.py文件中完成的是detect_video方法，而视频预测非常简单，就是把视频一帧一帧的录入然后调用detect_image方法。
传统方法
我们这里主要说图片的预测，这里用到了yolo_video.py文件，进行预测而yolo_video.py文件也是调用了yolo.py文件，在命令行输入python yolo_video.py --image 回车 然后输入图片路径就行了，Linux系统的话就把python改成python3
修改后的预测方法
你可以认真康康，yolo_video.py方法，它给了一大堆空的参数，然后我就修改，新建一个.py文件，例如：
这样通过运行name1.py方法就可以对图片进行预测
有趣的是__pycache__
yolov3有个小细节，在作者给的yolo3文件夹中有个名叫__pycache__的文件夹，在pycharm没办法看到，但可以从文件夹中查看
作者的__pycache__文件夹中的文件都是重复2遍的，是因为__pycache__中的每个文件都是被引用过2遍的，雨果（——）你新建文件夹重新放入model.py和utils.py文件一定要重新引用，不然打框会有错误。
yolov3预测图片相关推荐
- 使用Pytorch自带模型预测图片
这里要用到pytorch,所以得在前面博客基础上安装下,安装方法见博主的博客 ultralytics/yolov3训练预测自己数据集的配置过程_竹叶青lvye的博客-CSDN博客_ultralytic ...
- python训练好的图片验证_利用keras加载训练好的.H5文件,并实现预测图片
我就废话不多说了,直接上代码吧! import matplotlib matplotlib.use('Agg') import os from keras.models import load_mod ...
- 用yolov3进行图片分类
使用yoloV3进行图片分类:一个待处理的Images文件夹,里面包含要处理的图片:一个目标文件personFile,我这里需要提取含有行人的图片:一个非目标的文件noPersonFile.实际功能是 ...
- 【pytorch】自己实现精简版YOLOV3【三】，YOLOV3输入图片预处理：输入图片缩放及将生成预测框还原至原图
接上篇博文: Yolov3网络的输入默认为416x416,然后待检测的图片不总是416x416,这就产生了如何将待检测图片,在不破坏特征的情况下缩放至416x416,并对应在网络产生预测框后,如何将4 ...
- YoLoV5学习（4）--detect.py程序（预测图片、视频、网络流）逐段讲解~
本章博客主要分析YoloV5代码中的detect程序代码,按照程序运行步骤顺序主要分为3大部分. 1.包与库的导入 1.1 导入安装好的python库.torch库等等 其中:argparse模块.o ...
- unet预测图片全黑/全灰解决方案（keras）
几个注意点 载入模型 model = load_model("unet_person_128_" + str(n) + ".hdf5") 预测前图片处理: de ...
- python label显示图片_高大上的YOLOV3对象检测算法，使用python也可轻松实现
继续我们的目标检测算法的分享,前期我们介绍了SSD目标检测算法的python实现以及Faster-RCNN目标检测算法的python实现以及yolo目标检测算法的darknet的window环境安装, ...
- yolov3模型识别不出训练图片_【AI论技】YOLOv3在标的物资产实时管理中的应用
众所周知,目标检测是计算机视觉领域的核心问题之一,广泛应用于智能视频监控.工业检测.自动驾驶等领域.随着深度学习在图像分类研究中取得突破,带动了目标检测取得突飞猛进的发展.其中Yolov3目标检测模型 ...
- YOLO-V3代码解析系列（六） —— 网络预测（evaluate.py）
预测流程 神经网络预测 剔除低分数值的框 NMS处理 代码展示 根据yolo-v3的输出结构可以看出,最终网络有三个尺度的输出.以输入为416x416x3为例,输出分别为13x13,26x26,52x ...
最新文章
- shell错误 sed: can't read : No such file or directory
- 领域应用 | 人工智能+知识图谱：如何规整海量金融大数据？
- 如何：向 Windows 窗体组件附加智能标记
- AndroidStudio_使用gradle添加依赖jar包_依赖模块---Android原生开发工作笔记78
- ssas_通过SSAS透视图提高可读性
- PAT乙级 1033 旧键盘打字 (20 分)
- MSDN官方数据库开发群
- HDU 4336：Card Collector 期望+状压
- centos出现“FirewallD is not running”
- 【企业架构】2022年TOGAF认证是否仍然值得
- 宏基因组 微生物组 微生物生态领域杂志简介及最新影响因子
- Python-Level2-day11:TCP客户端/服务端传输(循环模型之短连接与长连接形态)；TCP粘包问题；与UDP对比；数据传输过程原理；
- google 输入栏不显示历史搜索记录方法
- 创建工程文件（完整流程）
- [河内塔]汉诺塔实现
- 万象：庸人容易因欠缺自知之明而自我膨胀
- 高效的多维空间点索引算法 — Geohash 和 Google S2(转)
- python计算汽车的平均油耗_用python对汽车油耗进行数据分析（anaconda python3.6完全跑通）...
- CUDA 11.3安装
- ps制作学校官网总结