PaddleDetection目标检测之水果检测(上)(yolov3_mobilenet_v1)
2021SC@SDUSC
一、创建项目
(1)进入到https://aistudio.baidu.com/aistudio/projectoverview/public
(2)创建项目
点击添加数据集:找到这两个
然后创建即可。
会生成以下项目:
二、启动环境,选择GPU版本
然后会进入到以下界面
选择的两个压缩包在/home/aistudio/data/下,先进行解压:
!unzip /home/aistudio/data/data15067/fruit.zip
!unzip /home/aistudio/data/data15072/PaddleDetec.zip
之后在左边文件夹就可以看到解压后的内容了:
三、查看fruit-detection中的内容:
其实是类似pascal voc目标检测数据集的格式
(1) Annotations
以第一个apple_65.xml为例:
folder:文件夹名称
filename:图片名称
path:文件地址
size:图片的大小
object:图片中的对象名称以及其的左下角和右上角的坐标。
<annotation><folder>train</folder><filename>apple_65.jpg</filename><path>C:\tensorflow1\models\research\object_detection\images\train\apple_65.jpg</path><source><database>Unknown</database></source><size><width>800</width><height>600</height><depth>3</depth></size><segmented>0</segmented><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>70</xmin><ymin>25</ymin><xmax>290</xmax><ymax>226</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>35</xmin><ymin>217</ymin><xmax>253</xmax><ymax>453</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>183</xmin><ymin>177</ymin><xmax>382</xmax><ymax>411</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>605</xmin><ymin>298</ymin><xmax>787</xmax><ymax>513</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>498</xmin><ymin>370</ymin><xmax>675</xmax><ymax>567</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>333</xmin><ymin>239</ymin><xmax>574</xmax><ymax>463</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>191</xmin><ymin>350</ymin><xmax>373</xmax><ymax>543</ymax></bndbox></object><object><name>apple</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>443</xmin><ymin>425</ymin><xmax>655</xmax><ymax>598</ymax></bndbox></object>
</annotation>
(2)ImageSets
里面只有一个文件夹Main,Main里面有:
分别看下是什么:
val.txt:验证集图片的名称
orange_92
banana_79
apple_94
apple_93
banana_81
banana_94
orange_77
mixed_23
orange_78
banana_85
apple_92
apple_79
apple_84
orange_83
apple_85
mixed_21
orange_91
orange_89
banana_80
apple_78
banana_93
mixed_22
orange_94
apple_83
banana_90
apple_77
orange_79
apple_81
orange_86
orange_95
banana_88
orange_85
orange_80
apple_80
apple_82
mixed_25
apple_88
banana_83
banana_77
banana_84
banana_92
banana_86
apple_87
orange_84
banana_78
orange_93
orange_90
banana_89
orange_82
apple_90
apple_95
banana_82
banana_91
mixed_24
banana_87
apple_91
orange_81
apple_89
apple_86
orange_87
train.txt:训练集图片的名称,这里就不贴了,有点长,与验证集类似
label_list.txt:类别名称
apple
banana
orange
也就是说,水果分类检测目前只是识别三类。
PaddleDetection目标检测之水果检测(上)(yolov3_mobilenet_v1)相关推荐
- PaddleDetection目标检测之水果检测(下)(yolov3_mobilenet_v1)
2021SC@SDUSC 接上篇博客 (3) JPEGImages:存储的就是实际的图片了 找一下apple_65.jpg看看 就是这个样子的 (4) create_list.py.label_lis ...
- 超越 YOLOv5 的目标检测开源项目又上新了
图像理解任务复杂多样,单纯的目标检测已经不能满足你了? 作为目标检测领域的扛把子,PaddleDetection当然不仅仅提供通用目标检测算法,还拥有多个业界先进.实用的关键点检测和多目标跟踪算法.除 ...
- PaddleDetection目标检测任务简介和概述
本篇博客不计入作业 目标检测任务简介 目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别,并在该目标周围绘制边界框,标示出每个目标的位置,如下图所示. 图(a)是图像分类任务,只需 ...
- GPU端到端目标检测YOLOV3全过程(上)
GPU端到端目标检测YOLOV3全过程(上) Basic Parameters: Video: mp4, webM, avi Picture: jpg, png, gif, bmp Text: doc ...
- 黑窗口检测wamp的命令_OpenCV AdaBoost + Haar目标检测技术内幕(上)
很多使用过OpenCV的小伙伴都见过如下代码.这段看似简单的代码,通过读入一个神奇的XML文件,能够找到图像中所有人脸,是不是非常神奇?这其实就是一个Adaboost级联分类器的经典实现:但是当你希望 ...
- Yolov5不止于目标检测,在图像分类上的落地应用!
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心[目标检测]技术交流群 后台回复[2D检测综述]获取鱼眼检测.实时检测.通用2D检测等近 ...
- 【目标检测】在图像上画bounding box框,生成带真实标签gt的图片
[目标检测]在图像上画bounding box框,生成带真实标签gt的图片 问题/Motivation 数据格式 用到的库 实际代码` 结果展示 问题/Motivation 在制作完数据集后,想看一下 ...
- 基于PaddleDetection实现人流量统计人体检测
人流量统计 1. 项目概述 在地铁站.火车站.机场.展馆.景区等公共场所,需要实时检测人流数量,当人流密度过高时及时预警,并实施导流.限流等措施,防止安全隐患. 在人流密度较高的公共场所,使用Padd ...
- 基于机器视觉的水果检测算法实现
各位看官看文章之前,先给大家看个瓜.打开闲鱼,搜水果识别,你就可以看到如下界面: 你点开我画标记的那个图片或者这个连接盗版闲鱼代码,你就会发现,这代码换汤不换药,竟然和我的UI界面都一样.我最初我也挺 ...
最新文章
- 加大基础研究投入 给科技创新注入“强心剂”
- DL之DNN优化技术:利用Batch Normalization(简介、入门、使用)优化方法提高DNN模型的性能
- 通告,消息,提醒 DB
- 工业界推荐系统必读论文:基于深度学习的推荐模型——DLRM
- python输出指定字符串_Python输出指定字符串的方法
- win10 mysql5.7.21_win10下mysql5.7.21解压版安装教程
- epoll的一个使用例子
- 流放者柯南rust_《流放者柯南》玩法前瞻 奴隶助你生活奔小康
- JavaEE平台学习之 01开发第一个Servlet程序
- 关于Chromium Embedded Framework (CEF)的编译
- mac安装win7之后鼠标失灵_mac安装win7鼠标失灵怎么办
- 微信公众号内嵌跳转微信小程序方案总结
- 电影《五十度灰》主题曲《Love me like you do》——尽你所能爱我Ellie Goulding(埃利·高登)——【英文小清新歌曲推荐】
- webpack中vender的抽离
- 呼呼呼呼呼呼呼呼呼好
- openGauss数据库开发调试工具指导
- mysql的英文文献_mysql数据库英文文献.doc
- APP UI 真的可以实现自动化测试吗?
- 分享|2023年全球市场准入认证咨讯
- Binary XML file line #16 in: Error inflating class unknown