目标检测与识别demo。。。。。。。。。。。。

goenjoy · August 20, 2021, 5:52am

@hyf820812029

前言：有兴趣的可以先查看官网主页。接下来从零开始实现自己的一个简单demo：自动识别库里和杜兰特，从而入门darknet-YOLO3世界。总体来说，分为如下步骤：数据集构建，训练模型，测试模型，评估模型。一. 数据集构建 1. 收集图片与编号这里的图片是从网上下载库里和杜兰特的图片。为了规划数据，减少出错的可能性，先给自己的图片编一个合理的序号，比如0001~0999。由于时间原因，只下载了68张图片，当然，这些数据对于训练一个很好的模型是远远不够的。 2. 标注数据 windows下labelImg标注工具使用介绍做完图片标签的文件夹是这样的： [image] 3. 利用voc制作自己的数据集在目录下新建VOC2007，并在VOC2007下新建Annotations，ImageSets和JPEGImages三个文件夹。在ImageSets下新建Main文件夹。文件目录如下所示： [image] 将自己的数据集图片拷贝到JPEGImages目录下。将数据集label的xml文件拷贝到Annotations目录下。在VOC2007下新建test.py文件…

零基础导入自己YOLOv3或YOLOv3-Tiny模型 VIM3

前言：通过零基础入门darknet-YOLO3及YOLOv3-Tiny 文档操作，我们已经有了自己训练的YOLO3或YOLOv3-Tiny模型，接下来一步步演示如何转换自己的模型，并适配进我们VIM3 android平台的khadas_android_npu_app。关于VIM3 ubuntu平台请参考此文档。一，转换模型模型转换流程图： [image] 1，导入模型当前模型转换过程都是在 acuity-toolkit 目录下进行: cd {workspace}/aml_npu_sdk/acuity-toolkit cp {workspace}/yolov3-khadas_ai.cfg_train demo/model/ cp {workspace}/yolov3-khadas_ai_last.weights demo/model/ cp {workspace}/test.jpg demo/model/ 如下修改： hlm@Server:/users/hlm/npu/aml_npu_sdk/acuity-toolkit/demo$ git diff diff …