YOLO v3的tf+keras实现
本文介绍了目标检测算法yolov3的keras实战。。
YOLO 是一种非常流行的目标检测算法，速度快且结构简单。日前，YOLO 作者推出 YOLOv3 版，在 Titan X 上训练时，在 mAP 相当的情况下，v3 的速度比 RetinaNet 快 3.8 倍。
YOLO v3 实时物体检测视频：
YOLO v3 与其他目标检测器的比较
开始动手运行 YOLO V3:
运行步骤
1. 从 YOLO 官网下载 YOLOv3 权重
wget https://pjreddie.com/media/files/yolov3.weights
2.转换 Darknet YOLO 模型为 Keras 模型
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
3.运行YOLO 目标检测
python yolo.py
需要下载一个图片，然后输入图片的名称，如图所示：
识别效果：
项目地址：https://github.com/qqwweee/keras-yolo3、
YOLO 官网：https://pjreddie.com/darknet/yolo/
本文参与?腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2018-05-28，如有侵权请联系?cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
