keras-yolov3训练自己的数据
keras-yolov3基本使用
keras-yolov3是yolov3算法的keras实现,之所以找keras实现是因为tensorflow-gpu经过个人测试是相对比较完整的支持cuda的。opencv 4.1.1 如今的dnn模块还不能通过cuda进行加速,opencv官方现在仍在努力。基本使用方法这边不再表述,项目的README.md文件中已经描述的很清楚了。使用过程中碰到的一个要注意的地方就是不要安装当前最新的tensorflow-gpu 2.0,实测1.15rc3是正常的,主要原因是2.0里没有了get_session方法,运行会报错。用gtx1050时的推理速度是6~7fps,比用cpu的0.5fps快很多了。接下来开始训练自己的检测分类和数据。自己训练的原因是yolo默认训练用的数据集中没有我要的分类。要想检测自己的分类就要用自己的数据做标记,然后丢进去训练。