A199-YOLOV3的实现火焰检测.md

A199-YOLOV3的实现火焰检测

【购买前必看】

1、关于我们

深度学习乐园是由python哥全职技术团队组建运营【团队成员为：复旦大学博士、华东理工爱丁堡博士、格拉斯哥博士、纽约大学硕士、浙江大学硕士】。

我们只做python业务，精通sklearn机器学习/torch深度学习/django/flask/vue全栈开发。

2、关于项目

我们从2018年开始，就专注于深度学习sci、ei、ccf、kaggle等，至今已有7年，共发表过10多篇顶刊顶会。

官网累积了数百个项目，已有3000多学员付费购买，圈子内有口皆碑：www.zzgcz.com （更多高级私密项目无法对外，联系微信定制：zzgcz_com）

3、售后承诺

包远程安装调试，所有项目均在本地运行通过，大部分都有截图和录屏。

支持二次修改，所有项目都是我们自己写的，改起来也非常容易。

加急定制1-2天可完成，这就是实力证明，远程验收满意后再付全款！

所有客户终身售后。兼职的人家都有主业，谁愿意持续服务你？

Yolov3的Pytorch版本实现火焰检测，其具体效果如下:

Image Token: FAsYbu3Y2oeTD5x3HtpcMELXndf

Image Token: Iyg5b23vEoN1gbxtcUFcgjDSn6e

Image Token: CSIIbeW8eoj57Lx5zILcdnCOnyc

Requirements

  • 环境：windows10

  • 编程语言：python

  • 编程工具：pycharm

  • 所需的包：requirements.txt

Train

1.安装包

本次所需的包在requirements.txt中，通过 pip install -r requirements.txt 即可。

2.所需权重文件

进入weights目录下，运行sh文件，即可下载本次所需权重，即darknet53.conv.74,yolov3.weights,yolov3-tiny.weights

3.修改配置文件信息

进入config目录。执行bash create_custom_model.sh <num_classes>，其中num_classes为类别参数，根据你的需要修改，本次设置为1

执行上述完毕之后，修改custom.data文件，修改其中的classes的参数以及配置文件的路径即可。

4.配置yolov3的数据格式

首先你需要准备好voc格式的数据，之后将voc格式的数据转为本次所需的数据格式。

数据格式内容为：

  • 每一张图像对应一个txt标注信息；

  • txt中第一列为类别信息

  • txt中剩下四列为标准化后的标注信息

  • <1>*w = (xmax-xmin)/2+xmin

  • <2>*h = (ymax-ymin)/2+ymin

  • <3> = (xmax-xmin)/w

  • <4> = (ymax-ymin)/h

5.运行

训练 python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights weights/darknet53.conv.74 从中断的地方开始训练 python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights checkpoints/yolov3_ckpt_99.pth --epoch

若出现警告UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instead. 则修改model.py的代码，在大约192行左右添加一下两句：

训练日志如下：

6.Tensorboard可视化

7.测试