【YOLO】如何将Keras训练的模型用于OpenCV中（.h5文件转换成.weights文件）

前言

模型训练时采用TensorFlow + Keras框架，其参数模型输出为.h5文件，其中包含了yolo训练结果中的卷积层和池化层参数。
OpenCV库，其中深度神经网络（dnn）模块采用了DarkNet框架，该框架导入的模型为.weights文件，并依赖于.cfg文件所定义的架构。所以，如果想将前面的框架训练的模型用于OpenCV中，就需要将yolo.h5文件转换为yolo.weights文件。

关于Keras训练YOLO模型的方法，可参考：https://blog.csdn.net/qinchang1/article/details/89608058

关于采用OpenCV进行YOLO检测的方法，可参考：https://blog.csdn.net/qinchang1/article/details/89435023

操作步骤

程序代码可以通过下面的链接下载：

百度云链接：https://pan.baidu.com/s/1-yX67ArLq9cFwCYGLTkPHg 提取码：dhvw
CSDN下载：https://download.csdn.net/download/qinchang1/12365046

首先，在解压的文件夹中放入Keras训练的yolo.h5文件。

将coco_classes.txt和voc_classes.txt文件中的识别对象类型改为训练中标记的对象。
例如：本文训练了3个对象，twistlock、switch1、switch2。

打开yolov3.cfg，在里面查找 yolo（注意有3处），需要修改的地方处：
1.filters = 3 * ( 5 + classes)
2.classes = n （这个是你要训练的类的数量）
例如：本文这里有3个类，所以filters=24，classes=3。

运行check_weight.py程序，就可以生成yolov3.weights文件了。

验证

这里可以参考我另一篇博客：https://blog.csdn.net/qinchang1/article/details/89435023

将其中的yolov3.cfg和yolov3.weights文件替换成新的。
并且coco.names中对象类型改为新的。

其他步骤包括代码和那篇博客中的一样。检测效果如下：