qq_34241387的博客

4.开始自己数据训练本篇主要参考该博文。我们在第一篇文章中已经准备好了JPEGImages和Annotations文件，下面准备模型训练需要的其他文件。（1）用python创建Main目录里面的train.txt,val.txt,test.txt和trainval.txt这四个文件。...

3.已有模型测试（1）下载yolov3.weights并放到同darknet.exe的目录下，下载链接。（2）cmd打开电脑终端，通过cd指令一步步跳转至darknet.exe文件夹，如下：F:\darknet-master\darknet-master\build\darknet\x64>自己下载一张图片，保存至x64\data文件夹下，我的命名为custom.jpg，然后运行命令：F:\darknet-master\darknet-master\build\darknet\x64&g

2.CUDA+cuDNN+Darknet框架配置第一次尝试了博主基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型，我有2000张图片，训练时粗略计算了一下需要750+h的时间，整整31个昼夜啊！！！万一最后模型不理想，那岂不是要搞好几个月。所以后面果断放弃，如果训练样本少的小伙伴可以尝试此法，的确很便捷。第二次基于Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系

1.创建VOC数据集VOC数据集是YOLO模型训练的传统标准文件格式，在模型训练前首先需要创建自己的VOC数据集。下载Pascal VOC数据集，可以把官方下载的VOC数据集里面的内容删除，只保留各个文件夹，然后将自己数据放置在对应的文件夹中。该文件夹的主要内容如下所示：└── VOCdevkit #根目录 └── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的 ├── Annotations #存放xml文件，与J

如何利用Python3和OpenCV对比两张图片的不同，提取差异性导言：通过机器视觉来计算两个图片之间的差异性，可以快速有效辨别文件、图片是否被篡改，也能帮助用户轻松识别钓鱼网站，确保财产安全。一、所需模块pip install --upgrade scikit-imagepip install --upgrade imutils二、Python实现# import the nece...