.pth转.weights/openCV-python + YOLO v3实现目标检测

---

前言

  毕设做的是水面目标的目标检测，因为要用Tkinter制作用户界面，于是采用openCV库来实现图像的处理，恰好openCV支持YOLO v3的部署……

---

一、基于Pytorch框架的YOLO v3

  因为对Python比较熟悉，综合考虑后选择用Pytorch框架实现，奈何自己太菜，只能去Github上找现成的YOLO v3代码，这个项目里面有详细的使用说明，很容易就上手了，非常感谢作者
  网络模型有了，加上数据就可以炼丹了，这里用的数据集是SeaShips(7000)，格式是VOC格式，代码需要的也是VOC格式，所以改好文件夹路径就可以直接上了。训练用的是Google Colab，白嫖虽爽，但是也有很多不方便，后面再单独整理一篇使用记录吧

二、openCV-python

  openCV是很常用的图像处理库，支持python、C++等语言，这里用的是openCV-python
  openCV中的dnn模块实现了基于Darknet框架的YOLO v3网络，也就是说，模块给你搭好了网络，只需要你自己填入网络参数就好了，这个网络参数就是训练模型得到的权重文件
  训练模型时用的框架是Pytorch，而Pytorch框架下的权重文件是.pth格式，而openCV的dnn模块对于YOLO网络仅支持Darknet框架，于是乎，需要把.pth转为.weights格式（.weights是Darknet框架下的权重文件格式）

三、.pth转.weights

图1-.pth权重文件的网络结构示意图   图1是训练得到的权重文件的网络结构，实际上这个.pth文件保存的是网络结构+权重参数，具体来说是嵌套的ordereddict 图2-转换格式的部分代码   图2是转换格式的部分代码，因为在Darknet框架下，YOLO v3的cfg文件是不变的，因此对照cfg文件的网络配置，就可以一层一层的，按照顺序将.pth格式的网络权重参数（numpy数组）转换成.weights所需的二进制格式。如果需要转换代码的话，在评论区留邮箱吧

四 模型部署

  模型部署可以参考这篇博客的正文，代码都有注释，很容易理解

---

总结

  上面主要讲了对于YOLO v3网络，如何将.pth格式的权重文件转成.weights，其他的像训练模型、部署模型有很多现成的资料供参考，这里就不重复了