基于Pytorch-yolo3模型的目标检测

基于Pytorch-yolo3模型的目标检测
1.开发工具
Python版本:Anaconda 的python 3.6版本的虚拟环境
开发软件:Pycharm社区版
识别模型:深度学习模型–Pytorch-yolo3
相关模块:opencv-python=3.4.8.29模块,torch=1.2.0模块,torchvision=0.4.0模块
2.环境搭建
安装Anaconda并将路径添加到环境变量,创建python虚拟环境,安装Pycharm并将路径添加到环境变量,使用pip安装需要的相关模块即可。
3.原理介绍
基于Pytorch-yolo3模型的目标检测,比Keras-yolo3模型的目标检测的速度更快,视频检测效果更加流畅。
4.程序流程
(一)在github 网址https://github.com/bubbliiiing/yolo3-pytorch中下载Pytorch-yolo3源码,然后下载yolo_weights.pth权重,将yolo_weights.pth权重放在model_data目录下,如图
基于Pytorch-yolo3模型的目标检测_第1张图片

(二)在yolo.py文件下面改一下摄像头的路径,我这边在yolo3-pytorch文件中放入了一个1.mp4和一个3.mp4的视频,修改视频读取路径,如图
基于Pytorch-yolo3模型的目标检测_第2张图片
基于Pytorch-yolo3模型的目标检测_第3张图片

(三)运行实例
基于Pytorch-yolo3模型的目标检测_第4张图片

5.注意事项
torch=1.2.0模块和torchvision=0.4.0模块版本要匹配好,我这里是用这两个版本,如果你使用pip命令单独下载版本出错,使用命令pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html即可下载成功。

你可能感兴趣的:(人工智能算法,python,深度学习,人工智能)