基于Faster R-CNN的安全帽目标检测
公众号关注 “Python遇见机器学习”
设为“星标”，第一时间知晓最新干货~
来源：机器学习AI算法工程
训练模型前的准备
-
A.数据准备
数据的标注仍然采用VOC格式的数据标注形式，如果是其他的标注形式比如COCO请自行实现相关代码。将数据最终转化为如下形式：
path_filename, x1, y1, x2, y2, class_name
可以运行如下代码实现数据集的准备工作:
python3 ./data/data_pro.py将在./data文件夹下生成annotation.txt文件，这样训练数据的准备工作即完成。
B.配置文件准备
根据自己的训练集和训练任务修改./keras_frcnn/config.py的配置文件,相关参数的解释和配置如下：
训练模型
预训练模型的下载地址：https://github.com/fchollet/deep-learning-models
Shell下运行：
python3 train_frcnn.py --path="./data/annotation.txt" --network="vgg" --input_weight_path="./pre_train/vgg16_weights_tf_kernels_notop.h5"
windows下直接运行我们写好的批处理文件：
run_train.bat模型预测
将需要测试的图像和视频拷贝到./new_test文件夹
-
A.单张图像推断
Shell下运行：
python3 test_frcnn.py --path="./new_test"
windows下直接运行我们写好的批处理文件：
run_inference.bat
-
B.视频推断
Shell下运行：
python3 test_frcnn_video.py --path="./new_test/test_video.mp4"
windows下直接运行我们写好的批处理文件：
test_video.bat效果展示
推荐阅读
• 成功为华为“续命，创立世界第三大芯片生产厂”：中国芯片之父张汝京
• 2020 PyTorch全球开发者日：Pytorch 2021 将走向何方？
• PyTorch模型训练特征图可视化（TensorboardX）
• 上海程序员自编的“购房宝典”在Github上火了！业内人士都惊呆
• 就挺凡尔赛的！李开复谈20年后的AI，崔宝秋论开源之道，清华唐杰的PPT成了“香饽饽” | MEET2021智能未来大会