周口哪里有做网站的,杭州 app开发公司,网站如何设置二级域名,虚拟空间应用程序数据集简介
背景干净的目标检测数据集。 里面仅仅包含螺丝和螺母两种类别的目标#xff0c;背景为干净的培养皿。图片数量约420张#xff0c;train.txt 文件描述每个图片中的目标#xff0c;label_list 文件描述类别
另附一个验证集合#xff0c;有10张图片#xff0c;e…数据集简介
背景干净的目标检测数据集。 里面仅仅包含螺丝和螺母两种类别的目标背景为干净的培养皿。图片数量约420张train.txt 文件描述每个图片中的目标label_list 文件描述类别
另附一个验证集合有10张图片eval.txt 描述图片中目标格式和 train.txt 相同 部分代码 训练常基于dark-net的YOLOv3网络目标检测from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import os
os.environ[FLAGS_fraction_of_gpu_memory_to_use] 0.82
import uuid
import numpy as np
import time
import six
import math
import random
import paddle
import paddle.fluid as fluid
import logging
import xml.etree.ElementTree
import codecs
import jsonfrom paddle.fluid.initializer import MSRA
from paddle.fluid.param_attr import ParamAttr
from paddle.fluid.regularizer import L2Decay
from PIL import Image, ImageEnhance, ImageDrawlogger None
train_parameters {data_dir: data/data6045,train_list: train.txt,eval_list: eval.txt,class_dim: -1,label_dict: {},num_dict: {},image_count: -1,continue_train: True, # 是否加载前一次的训练参数接着训练pretrained: False,pretrained_model_dir: ./pretrained-model,save_model_dir: ./yolo-model,model_prefix: yolo-v3,freeze_dir: freeze_model,use_tiny: True, # 是否使用 裁剪 tiny 模型max_box_num: 20, # 一幅图上最多有多少个目标num_epochs: 1,train_batch_size: 8, # 对于完整 yolov3每一批的训练样本不能太多内存会炸掉如果使用 tiny可以适当大一些use_gpu: True,yolo_cfg: {input_size: [3, 448, 448], # 原版的边长大小为608为了提高训练速度和预测速度此处压缩为448anchors: [7, 10, 12, 22, 24, 17, 22, 45, 46, 33, 43, 88, 85, 66, 115, 146, 275, 240],anchor_mask: [[6, 7, 8], [3, 4, 5], [0, 1, 2]]},yolo_tiny_cfg: {input_size: [3, 256, 256],anchors: [6, 8, 13, 15, 22, 34, 48, 50, 81, 100, 205, 191],anchor_mask: [[3, 4, 5], [0, 1, 2]]},ignore_thresh: 0.7,mean_rgb: [127.5, 127.5, 127.5],mode: train,multi_data_reader_count: 4,apply_distort: True,nms_top_k: 300,nms_pos_k: 300,valid_thresh: 0.01,nms_thresh: 0.45,image_distort_strategy: {expand_prob: 0.5,expand_max_ratio: 4,hue_prob: 0.5,hue_delta: 18,contrast_prob: 0.5,contrast_delta: 0.5,saturation_prob: 0.5,saturation_delta: 0.5,brightness_prob: 0.5,brightness_delta: 0.125},sgd_strategy: {learning_rate: 0.002,lr_epochs: [30, 50, 65],lr_decay: [1, 0.5, 0.25, 0.1]},early_stop: {sample_frequency: 50,successive_limit: 3,min_loss: 2.5,min_curr_map: 0.84}
}def init_train_parameters():初始化训练参数主要是初始化图片数量类别数:return:file_list os.path.join(train_parameters[data_dir], train_parameters[train_list])label_list os.path.join(train_parameters[data_dir], label_list)index 0with codecs.open(label_list, encodingutf-8) as flist:lines [line.strip() for line in flist]for line in lines:train_parameters[num_dict][index] line.strip()train_parameters[label_dict][line.strip()] indexindex 1train_parameters[class_dim] indexwith codecs.open(file_list, encodingutf-8) as flist:lines [line.strip() for line in flist]train_parameters[image_count] len(lines) 数据集链接螺丝螺母目标检测数据集430张
