win10+yolov3+tensorflow2.0下的目标检测

最新推荐文章于 2023-09-18 17:55:42 发布
最新推荐文章于 2023-09-18 17:55:42 发布
阅读量3.1k 收藏 10
点赞数 1
文章标签： 目标检测 tensorflow keras
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_48476701/article/details/123447227
版权
本文详细介绍了在Windows 10系统下，使用TensorFlow2.0和Keras进行YOLOv3目标检测的全过程，包括环境配置、代码调试、权重转换及图片和视频的物体检测。在安装过程中遇到了版本不兼容和缺失库的问题，通过卸载重装和修改源代码解决了问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、安装pycharm

二、安装anaconda

三、anaconda下安装tensorflow-cpu

1.添加一个虚拟环境tensorflow

打开anaconda navigator,点击environments，然后点击creat新建一个虚拟环境，新环境命名为tensorflow,python版本选择python3.6（python版本太高会找不到匹配的tensorflow版本）。
在这里插入图片描述

2.安装tensorflow2.0版本

打开anaconda prompt，输入指令进入tensorflow虚拟环境。

conda activate tensorflow

输入指令安装tensorflow2.0的cpu版本。

pip install tensorflow==2.0.0

会出现错误，表示找不到匹配的版本，可以安装的tensorflow中没有2.0.0版本，在错误提示列出的版本中选一个进行安装。


                

                
                
        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        


    

      

        

            

              
                
                  小能很能
                
              
            

            

                关注
              
            

        

        

          
      

      










                



	

		

			

				
					
tensorflow2.0训练目标检测模型

				
			

			

				

					weixin_48672949的博客
				

				

					07-21
					
					3124
					
				

			

		

		

			
				
1.环境搭建与软件安装

操作系统：win10 64位

内存 ：8G

Anaconda3-5.0.1 (自带python3.6.5)

tensorflow2.5.0

1.1 Anaconda3-5.0.1版本安装包下载、安装流程、环境配置

参考https://www.freesion.com/article/93321279940/

验证：点开菜单栏—>Anaconda3—>Anaconda prompt—>以管理员身份运行—>输入python，如下图所示，Anacon.

			
		

	



                

            
              



	

		

			

				
					
TensorFlow 图像分类、目标检测、语义分割：全面解析与实战教程

					
最新发布

				
			

			

				

					一碗黄焖鸡三碗米饭的博客
				

				

					03-20
					
					1004
					
				

			

		

		

			
				
图像分类是计算机视觉中的基本任务之一，目标是将输入的图像分类到预定义的类别中。每个图像只能属于一个类别，模型的输出通常是一个表示类别的标签。应用场景物体识别：例如识别猫、狗等动物，识别不同种类的水果。人脸识别：通过图像判断个人身份。手写数字识别：MNIST数据集中的数字分类。任务输入数据输出常用网络结构图像分类图像（通常为RGB或灰度图）类别标签（例如，0-9的数字或动物种类）目标检测的目标是识别图像中多个物体的位置和类别。

			
		

	



              


  
              

                


	

		

			

				
					
tensorflow2 目标检测_TensorFlow 2.0到底怎么样？简单的图像分类任务探一探

				
			

			

				

					weixin_39823299的博客
				

				

					11-25
					
					262
					
				

			

		

		

			
				
一个月前，谷歌在 Tensorflow Developer Summit 2019 大会上发布 TensorFlow 2.0 Alpha 版。那么使用 TF 2.0 写模型到底是一种什么样的体验？在这篇文章中，我们将介绍如何用 TF 2.0 打造一个简单的图像分类模型，虽然任务很简单，但它们展示了 TensorFlow 将来的新特性。选自Medium，作者：Cameron Cruz，机器之心编译，...

			
		

	





	

		

			

				
					
TensorFlow2.0 学习笔记六 基于object_detection的目标检测一 正确在GPU上使用安装object_detection

				
			

			

				

					shaynerain的博客
				

				

					09-18
					
					321
					
				

			

		

		

			
				
目标检测首先就要认清楚两个东西，现在官方推荐使用models.official.vision进行，但目前位置文档较少，无法很好的开始。所以用版本1流行的models.research.object_detection，目前该模块已经添加了对版本2的支持，虽然已经弃用。在前面文章，已经完成了在Docker里面运行代码，并且在外部的Pycharm中调试，基本上Tensorflow的官方教程上面简单的东西都可以跑，接下来开始整理目标检测。设置临时环境变量，根据自己的路径来设置，设置的是protoc/bin。

			
		

	



		

			
		



	

		

			

				
					
Win10下用TensorFlow训练自己的数据集来做目标检测

				
			

			

				

					Le0virg0的博客
				

				

					01-26
					
					4907
					
				

			

		

		

			
				
本文主要来源于YouTube博主 EdjeElectronics的视频https://www.youtube.com/watch?v=Rgpfk6eYxJA (对于视频看不了的朋友，我把视频录制下来放到云盘里了https://pan.baidu.com/s/1hF8LA34szDhMK5563PqLXQ),以及对应的GitHub教程TensorFlow-Object-Detection-API-T...

			
		

	





	

		

			

				
					
tensorflow2 目标检测_TensorFlow 2.0深度强化学习指南

				
			

			

				

					weixin_39941620的博客
				

				

					11-23
					
					623
					
				

			

		

		

			
				
摘要：用深度强化学习来展示TensorFlow 2.0的强大特性！在本教程中，我将通过实施Advantage Actor-Critic(演员-评论家，A2C)代理来解决经典的CartPole-v0环境，通过深度强化学习(DRL)展示即将推出的TensorFlow2.0特性。虽然我们的目标是展示TensorFlow2.0，但我将尽最大努力让DRL的讲解更加平易近人，包括对该领域的简要概述...

			
		

	





	

		

			

				
					
YOLO-V3-Tensorflow2.0-Face-Detect-via-Wider-Face:使用 TensorFlow2.0  训练YOLOV3模型 和Wider Face 数据集，进行人脸检测

				
			

			

				

					05-04
				

			

		

		

			
				
TensorFlow2.x-YOLOv3  YOLOv3的最小张量流实现，并支持训练，推断和评估。 安装 安装要求并下载预训练的砝码 $ pip3 install -r ./docs/requirements.txt $ wget https://pjreddie.com/media/files/yolov3.weights ...

			
		

	





	

		

			

				
					
win10深度学习环境搭建 Anaconda3+TensorFlow2.1.0正式版+cuda_10.1+cudnn-10.1+yolov3

				
			

			

				

					hufuting5go的博客
				

				

					02-26
					
					1817
					
				

			

		

		

			
				
win10深度学习环境搭建 Anaconda3+TensorFlow2.1.0正式版+cuda_10.1+cudnn-10.1+yolov3

从2019年2月21日开始，至26日早晨9点，历时5天，熬夜2个晚上到零点，整个人崩溃到不行，终于搭建成功；相信本帖子可以帮助那些初学TensorFlow，指导1.X已经outdated，明白应该从2.0开始，又TensorFlow 2.1.0 正式版...

			
		

	





	

		

			

				
					
Win10下YOLOv3配置、制作数据集与训练检验

				
			

			

				

					weixin_45902911的博客
				

				

					07-07
					
					2360
					
				

			

		

		

			
				
文章目录前言1、YOLO项目2、电脑配置与环境2.1 安装Cuda2.1.1 查看本机驱动版本2.1.2 安装过程2.2 安装Cudnn2.3 安装OpenCV2.4 安装VS20173、编译3.1 下载darknet3.2 darknet.vcxproj文件的修改3.3 darknet.sln文件的设置与编译3.4 测试YOLOv33.5 总结一下常见错误4、基于自己的数据创建YOLO数据集4.1 labelimg标记数据集4.2 数据集的搭建4.2.1 下载VOC2007数据集4.2.2 按照VOC2.

			
		

	





	

		

			

				
					
YOLOV3在win10+TensorFlow环境下的学习运用----------一、环境搭建

				
			

			

				

					weixin_43012674的博客
				

				

					10-13
					
					923
					
				

			

		

		

			
				
NOTE 以下教程全部基于tensorflow2.0着手，如果你还没有安装，请先通过以下命令来安装, 我们假设我们都是用python3，这也是你应该使用的版本，并且如果你拥有GPU希望你能安装CUDA10版本：
sudo pip3 install tf-nightly-2.0-preview
#如果无法找到每日构建版本，试一下下面的（每日构建版本不会覆盖所有平台）
sudo pip3 instal...

			
		

	





	

		

			

				
					
5、TensorFlow2.0 实现Yolo目标检测（YOLO2网络搭建）

				
			

			

				

					weixin_41668848的博客
				

				

					06-04
					
					1873
					
				

			

		

		

			
				
1.yolo2网络模型搭搭建

yolo2模型展示

因为我的电脑显卡太烂了，所以我的tensorflow2.0是CPU模式。当然GPU的同学们一样可以用。只是一条命令的问题。

import os, glob

# os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layer

			
		

	





	

		

			

				
					
tensorflow目标检测代码

				
			

			

				

					12-01
				

			

		

		

			
				
tensorflow目标检测代码，从摄像头或者视频源进行任务目标检测
python2.7
tensorflow

			
		

	





	

		

			

				
					
tensorflow 目标检测代码

				
			

			

				

					10-10
				

			

		

		

			
				
已在ubuntu上跑通，按照代码中结构调试即可。目标检测代码在research下的object_detection

			
		

	





	

		

			

				
					
一、Tensorflow 2.0版本以上：Object_detection API【运行样例】

				
			

			

				

					菜鸟要爱学习
				

				

					04-28
					
					1337
					
				

			

		

		

			
				
目标检测之运行样例

			
		

	





	

		

			

				
					
如何在 Windows10 下运行 Tensorflow 的目标检测？

				
			

			

				

					北桥苏的博客
				

				

					03-30
					
					1290
					
				

			

		

		

			
				
看过很多博主通过 Object Detection 实现了一些皮卡丘捕捉，二维码检测等诸多特定项的目标检测。而我跟着他们的案例来运行的时候，不是 Tensorflow 版本冲突，就是缺少什么包，还有是运行官方 object_detection_tutorial 不展示图片等等问题。在看过一个国外博主例子，我也通过 Tensorflow-GPU1.10.0 运行了官方例子，既然要使用 GPU 则需要把 CUDA 先配置好，上一篇文章有特别详细介绍到。而这里就捋一下在运行过程遇到的种种问题。

			
		

	





	

		

			

				
					
深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践

					
热门推荐

				
			

			

				

					笔墨留年。
				

				

					12-22
					
					1万+
					
				

			

		

		

			
				
本文主要包含如下内容：

修改qqwweee/keras-yolo3(目标检测算法YOLOv3的一个Keras版本的优秀实现)，将其修改为tf.keras为主导的，并修订不兼容的接口和逻辑，使其支持TensorFlow 2.0版本
实践修改后的YOLOv3算法
对实践结果的简单分析

修改后的项目 GitHub：
tf2-keras-yolo3 (https://github.com/AaronJ...

			
		

	





	

		

			

				
					
tensorflow2 目标检测_TensorFlow2学习21、使用目标检测API测试自己的图片

				
			

			

				

					weixin_39847732的博客
				

				

					11-25
					
					262
					
				

			

		

		

			
				
一、说明本文实验环境：TF2.0google conlabPython3 GPU二、环境配置安装依赖包!pip install -U --pre tensorflow=="2.*"!pip install pycocotools下载tensorflow的模型import osimport pathlibif "models" in pathlib.Path.cwd().parts: while "...

			
		

	





	

		

			

				
					
目标检测（七）一篇文章5分钟搞懂卷积神经网络——基于tensorflow2.0训练Alexnet网络实践

				
			

			

				

					qq_40959462的博客
				

				

					10-22
					
					1508
					
				

			

		

		

			
				
CIFAR-10是由Hinton的学生Alex Krizhevsky和Ilya Sutskever整理的一个用于识别普适物体的小型数据集。一共包含10个类别的RGB彩色图片：飞机、车、鸟类、猫、鹿、狗、蛙类、马、船和卡车。图片的尺寸为32×32 ，数据集中一共有50000张训练图片和10000 张测试图片。CIFAR-10的图片样例如图所示。CIFAR-10是3通道的彩色RGB图像，而MNIST是灰度图像。CIFAR-10的图片尺寸为32×32， 而MNIST的图片尺寸为28×28，比MNIST稍大。

			
		

	





	

		

			

				
					
Windows 利用tensorflow2 object-detection api训练自己的模型

				
			

			

				

					qq_53919099的博客
				

				

					10-14
					
					830
					
				

			

		

		

			
				
Windows 利用tensorflow2 object-detection api训练自己的模型

			
		

	





	

		

			

				
					
"TensorFlow-GPU下载、安装、测试及YOLO系列专栏精彩内容

				
			

			

				

					
				

			

		

		

			
				
双击运行下载好的`cuda_11.0.3_451.82_win10.exe`文件，并按照提示进行安装。在安装过程中，可以选择自定义安装路径，并取消勾选`Visual Studio Integration`选项。一旦完成安装，可以通过将以下路径添加到系统环境...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 2

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值