yoloV3的识别_3.11
发布时间
阅读量：
阅读量
目标
- 利用yolo模型进行目标检测的方法
- 完成目标检测功能的实现
整个流程如下：
基于OPenCV中的DNN模块
- 导入经过训练的yolov3模型及其配置文件。
- 将图像转换为适合模型处理的blobs格式。
- 通过模型识别并定位目标物体。
- 解析检测输出信息。
- 执行目标框去重处理。
- 生成最终检测结果图，并将结果显示图形存储于ndarray变量中。
代码如下：
1.加载yolov3模型及其权重参数
# 1.加载可以识别物体的名称，将其存放在LABELS中，一共有80种，在这我们只使用car
labelsPath = "./yolo-coco/coco.names"
LABELS = open(labelsPath).read().strip().split("\n")
# 设置随机数种子，生成多种不同的颜色，当一个画面中有多个目标时，使用不同颜色的框将其框起来
np.random.seed(42)
COLORS = np.random.randint(0, 255, size=(200, 3),dtype="uint8")
# 加载已训练好的yolov3网络的权重和相应的配置数据
weightsPath 全部评论 (0)
还没有任何评论哟~