linluying / yolo

YOLO

安装 torch-1.2.0-cp36-cp36m-win_amd64.whl torchvision-0.4.0-cp36-cp36m-win_amd64.whl

CUDA 10.1

该文件夹存放使用pytorch实现的代码版本

model.py： 是模型文件
train.py： 是调用模型训练的文件
predict.py： 是调用模型进行预测的文件
class_indices.json： 是训练数据集对应的标签文件

• （1）在data_set文件夹下创建新文件夹"flower_data"
• （2）打开flower_link.txt文档，复制网址到浏览器会自动进行下载花分类数据集
• （3）解压数据集到flower_data文件夹下
• （4）执行"split_data.py"脚本自动将数据集划分成训练集train和验证集val
  （不要重复使用该脚本，否则训练集和验证集会混在一起，flower_data文件夹结构如下）
  |—— flower_data
  |———— flower_photos（解压的数据集文件夹，3670个样本）
  |———— train（生成的训练集，3306个样本）
  |———— val（生成的验证集，364个样本）

根据YOLO的result文件，将置信度<0.5的目标裁剪出来，裁剪算法用yanzhen的或者飞飞的裁剪那2个其中一个，MATLAB文件。裁剪出来的图片再送进VGG检测，检测生成的文件再使用飞飞的search文件，和原来的RESULT文件进行合并