keras+yolo实现旗帜识别

机器学习AI算法工程 公众号：datayx

本项目里有40类旗帜旗帜（包含40个种类旗帜），数据来着于网络，数据标注是个苦力活，本数据包含1600多张图片，花费接近一个星期标注完成，且用且珍惜!!!

直接将两个文件夹放置于model_data下

项目 代码，数据集，预训练权重获取方式：

关注微信公众号 datayx 然后回复旗帜即可获取。

AI项目体验地址https://loveai.tech

快速开始1. 下载本项目预训练 权重2. 修改yolo.py中第24行权重路径3. 将需要检测旗帜图片放入sample文件夹中4. 运行检测

python yolo_images.py

训练训练自己的数据 无需使用 预训练的权重 （此方法适用于各类数据）step 1使用labelImg对数据进行标记得到xml文件，放置于./model_data/label_train/将图片数据放在于./model_data/train/ (建议图片宽高大于416，不然影响训练)将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件，因为数据标记时，标记的为类别id，为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)step 2执行xml_to_data.py 生成 kitti_simple_label.txt

python xml_to_data.py # 如果自己数据集 请根据自己数据进行更改代码
# 生成的kitti_simple_label.txt 格式为:图片path box,类别id box,类别id...

step 3k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt

python kmeans.py

step 4开始训练(建议epochs大于500，如果内存溢出可减小batch_size。其他参数，按照自己数据，自行修改。)

python train.py

机器学习算法AI大数据技术

搜索公众号添加：datanlp

不断更新资源

深度学习、机器学习、数据分析、python

搜索公众号添加：datayx