Poly-YOLO keras代码记录
mAP提升40%！YOLO3改进版—— Poly-YOLO：更快，更精确的检测和实例分割
上图看测试效果
youtube 上有视频展示：https://www.youtube.com/watch?v=2KxNnEV-Zes
环境要求：
demo链接：https://gitlab.com/irafm-ai/poly-yolo
提示：论文所用的python3.5作者已经试过，发现不能安装tensorflow-gpu 1.15.0版本，换成python3.6成功：
详细环境：
- python3.6
- tensorflow-gpu 1.15.0
- keras 2.3.0
- numpy pillow matplotlib opencv
- cuda 10.2
- Ubuntu16.04
环境安装：
1、conda 环境安装：
wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
bash Anaconda3-2020.11-Linux-x86_64.sh
一路敲 Enter 键 和输入yes ，然后验证PATH环境变量是否生效，出现conda版本则安装成功
source ~/.bashrc
conda -V
2、conda虚拟环境创建
conda create -n POLY_YOLO python=3.6
conda activate POLY_YOLO
3、虚拟环境中python包的安装
PS：执行以下命令的时候如果出现，添加channel的提示，请换源https://blog.csdn.net/weixin_38705903/article/details/106168366
conda install tensorflow-gpu==1.15.0
conda install keras==2.3.0
conda install numpy
conda install pillow
conda install opencv
conda install matplotlib
demo：
准备数据集，制作成train.txt val.txt test.txt放到路径poly-yolo-master/poly_yolo下
论文代码中，将coco数据集转成yolo需要的数据集格式，脚本已给出：
/poly-yolo-master/poly_yolo/conversion_scripts/coco_to_yolo.py
poly_yolo数据格式为：
（path_to\image1.jpg x1,y1,x2,y2,class,p1x,p1y,pnx,pny x1,y1,x2,y2,class,p1x,p1y,pnx,pny)，
其中x1,y1,x2,y2为bbox框的左上角和右下角，class为类别标签，p1x,p1y,pnx,pny为语义分割的vertexes。
模型训练：
python poly_yolo.py
模型预测：使用jupyter执行poly_yolo_inference.ipynb
BUG列举：
1、K.learning_phase(): 0此处报错：
Etensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_INTER
解决方法：
import tensorflow as tf
#=======
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)
#======
2、由于博主主机之前安装了ROS，因而不能引入cv2报错：
解决方法：
import sys
ros_path = '/opt/ros/kinetic/lib/python2.7/dist-packages'
if ros_path in sys.path:
sys.path.remove(ros_path)
import cv2
sys.path.append('/opt/ros/kinetic/lib/python2.7/dist-packages')