基于yolo-v3的目标检测模型

基于yolo-v3的目标检测模型

一、项目简述

目标一：通过深度学习模型，主要是采用实时性较好的yolo-v3模型检测加油站场景下的人和手机。

目标二：复现最新论文中的方法，识别场景中的人物交互关系，主要是识别加油站中人员打手机的行为。

二、检测部分完整训练过程

1、数据准备及预处理

（1）、使用标注工具BBox-Label-Tool对加油站图像中的人和物进行标注，主要标注了人，和手机两种类别，以及框的坐标。获得数据集2000张图片，以5 :3：2划分训练集，验证集和测试集。

（2）、因为数据量较大，每次训练都直接读取的话效率就很低，所以tensorflow就提供了一种较为高效的数据读取方式tfrecord，可通过convert_tfrecord.py基于图像数据生成tfrecord生成trainset和testset。

（3）、下载用coco数据集预训练好的权重模型yolov3.weights进行初始化
地址：https://github.com/YunYang1994/tensorflow-yolov3

2、训练模型

（1）、登陆服务器后，进入“/data/videoAnalisys/yolo/train_demo”，运行：

CUDA_VISIBLE_DEVICE=0 python quick_train.py

即可利用GPU训练模型。
（2）、最开始运行可能会报错，module not found e