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

（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

（三）运行实例

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。