No More Codes

YOLO (You Only Look Once) 是關於物件偵測的類神經網路演算法，作者 Joseph Redmon 以 darknet 架構實作，輕量、依賴少、演算法高效率，在工業應用領域很有價值，例如行人偵測、工業影像偵測等等。官網寫的非常詳盡，照著操作便能完成 Yolo 初步的 detection 和 training，但這裡只測試另一款使用 keras 架構實作的 keras-yolo3 的操作步驟。

操作步驟:

1. 下載 YOLO 原始碼, 這裡只用到它的 data 而不進行編譯 :

  git clone https://github.com/pjreddie/darknet 

2. 下載 keras-yolo3 與預訓練的 weight:

  git clone https://github.com/qqwweee/keras-yolo3.git 

3. 進入 keras-yolo3 目錄

  wget https://pjreddie.com/media/files/yolov3.weights
  wget https://pjreddie.com/media/files/yolov3-tiny.weights 
  python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
  python convert.py yolov3-tiny.cfg yolov3-tiny.weights model_data/yolo-tiny.h5
  轉換完成後,將 darknet/data 目錄複製至 keras-yolo3 目錄下

4. 測試影像辨識 :

    python yolo_video.py --image

  或是

  python yolo_video.py --model model_data/yolo-tiny.h5 --image

    此時會詢問影像檔名稱, 輸入 data\dog.jpg 或 data目錄下的任何影像檔, 即可看到輸出畫面

5. 測試視訊辨識, 須自備視訊檔 my_video.avi :

  python yolo_video.py --input my_video.avi

  或是

  python yolo_video.py --model model_data/yolo-tiny.h5 --input my_video.avi