keras版本的yolov3来训练人脸口罩数据集

配置虚拟环境

常用创建命令

conda create -n yolov3_mask python=3.7

进入环境
source activate yolov3_mask
conda activate yolov3_mask
 
退出环境
source deactivate
conda deactivate
列出环境
conda env list
conda info --env
conda info -e
删除环境
conda remove -n yolov3_mask --all

导出当前工程依赖的python包清单

pip3 freeze > requirements.txt
pip3 install -r requirements.txt

首先我们用keras版本的yolov3来训练人脸口罩数据集，从而完成一个简单的目标检测。

基本环境要求

• Python： 3.7.4
• Tensorflow-GPU 1.14.0
• Keras: 2.2.4

conda create -n yolov3_mask python=3.7
source activate yolov3_mask

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.2.4

https://github.com/qqwweee/keras-yolo3

我们需要下载yolov3事先已经训练好的权重，yolov3.weights 。然而由于我们用的keras框架，所以我们需要把它给转换一下，执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

python convert.py yolov3-tiny.cfg yolov3-tiny.weights model_data/yolov3-tiny.h5

有了权重之后，我们直接运行一下，看一下效果，

python yolo_video.py --image

在命令行输入图片地址img/street.jpg，即可预测

如果遇到问题

original_keras_version = f.attrs[‘keras_version‘].decode(‘utf8‘)
卸载原来的h5py模块，安装2.10版本
pip install h5py==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple/

这样我就完成了官方提供和的模型进行的目标检测任务