我正在使用 YOLOv3 来检测视频中的汽车。我下载了代码中使用的三个文件coco.names, yolov3.cfg and yolov3.weights它们针对 80 种不同类别的待检测物体进行了训练。该代码可以运行，但速度非常慢，每帧需要 5 秒以上。我相信如果我减少类的数量，它会运行得更快。我可以从中删除不必要的类coco.names，但不幸的是，我不明白其中的所有内容yolov3.cfg，我什至无法阅读yolov3.weights。
我想过训练自己的模型，但我遇到了很多问题，所以我放弃了这个想法。
谁能帮我修改这些文件？
For 使用 COCO 数据集的简单方法， 按着这些次序 ：
- 修改（或复制备份）
coco.names文件输入darknet\data\coco.names
- 删除除以下所有其他类car
- 修改您的 cfg 文件（例如
yolov3.cfg），改变3classes610、696、783 线从 80 转至 1
- 改变3filtercfg 文件中第 603、689、776 行从 255 到 18 的 s（源自
(classes+5)x3)
- 运行检测器
./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/your_image.jpg
了解更多使用 COCO 数据集的高级方法您可以使用此存储库基于 voc、coco 或开放图像创建 yolo 数据集。https://github.com/holger-prause/yolo_utils .
另请参阅此：如何下载 Coco 数据集的特定部分？
如果你可以使用 YOLO 模型来训练那就太好了你自己的数据集。互联网上有很多关于如何构建自己的数据集的教程。喜欢this, this, this or this.
注意：减少类的数量不会使你的推理速度更快。通过减少类，您将检测到更少的对象，并且如果您对每次检测进行后处理，则可能会使您的程序运行得更快。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
