[已解决]YOLOV1 from scratch using Keras Tensorflow 2.0

这个网址的训练程序我都明白了，有没有大佬写一个test(predict)程序，达到可视化检测的效果呢，救救孩子吧开学作业交不上了
https://www.maskaravivek.com/post/yolov1/
就是输入dog.jpg 显示下面图像的程序，用的上面网页训练函数的权重

最佳答案

月排行榜 / 总排行榜

Mike_python小

2023-8-28 20:29:10

YOLOv1的目标检测可视化程序

以下是一个使用预训练权重进行目标检测并可视化结果的示例程序。请确保已经安装了必要的依赖项，例如Keras和OpenCV。

2. import numpy as np
3. import cv2
4. from keras.models import Model
5. from keras.layers import Input
6. from yolo_v1 import YOLO
8. # 定义类别标签
9. classes = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow',
10.            'diningtable', 'dog', 'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor']
12. def load_image(image_path):
13.     # 加载图像并进行预处理（根据训练时的预处理方式进行）
14.     image = cv2.imread(image_path)
15.     image = cv2.resize(image, (448, 448))
16.     image = image / 255.0
17.     image = np.expand_dims(image, axis=0)
18.     return image
20. def draw_boxes(image, boxes, scores):
21.     # 在图像上绘制检测框和类别名称
22.     for box, score in zip(boxes, scores):
23.         x, y, w, h = box
24.         class_index = np.argmax(score)
25.         class_name = classes[class_index]
26.         confidence = score[class_index]
27.         label = f"{class_name}: {confidence:.2f}"
28.         cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
29.         cv2.putText(image, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)
30.     return image
32. # 构建模型
33. input_image = Input(shape=(448, 448, 3))
34. yolo_model = YOLO(input_image, training=False)
35. model = Model(inputs=input_image, outputs=yolo_model.output)
37. # 加载预训练权重
38. model.load_weights('path_to_pretrained_weights')
40. # 进行目标检测和可视化
41. image_path = 'dog.jpg'
42. image = load_image(image_path)
43. output = model.predict(image)
45. # 解析输出
46. boxes = output[..., :4]
47. scores = output[..., 4:]
49. # 设置置信度阈值，过滤掉置信度较低的检测结果
50. confidence_threshold = 0.5
51. filtered_boxes = []
52. filtered_scores = []
53. for box, score in zip(boxes[0], scores[0]):
54.     max_score = np.max(score)
55.     if max_score > confidence_threshold:
56.         filtered_boxes.append(box)
57.         filtered_scores.append(score)
59. # 绘制检测结果并显示图像
60. result_image = draw_boxes(cv2.imread(image_path), filtered_boxes, filtered_scores)
61. cv2.imshow("Detection Result", result_image)
62. cv2.waitKey(0)
63. cv2.destroyAllWindows()

复制代码

请将代码中的以下部分进行相应的修改：

- 将 path_to_pretrained_weights 替换为预训练权重文件的路径。
- 将 dog.jpg 替换为你要测试的图像文件的路径。

运行程序后，应该会显示含有检测框和类别的图像窗口。

希望这能帮到你！如果还有其他问题，请随时提问。

球一个最佳答案谢谢啦！这对我非常重要！

跳转到最佳答案楼层

Mike_python小

YOLOv1的目标检测可视化程序

以下是一个使用预训练权重进行目标检测并可视化结果的示例程序。请确保已经安装了必要的依赖项，例如Keras和OpenCV。

2. import numpy as np
3. import cv2
4. from keras.models import Model
5. from keras.layers import Input
6. from yolo_v1 import YOLO
8. # 定义类别标签
9. classes = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow',
10.            'diningtable', 'dog', 'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor']
12. def load_image(image_path):
13.     # 加载图像并进行预处理（根据训练时的预处理方式进行）
14.     image = cv2.imread(image_path)
15.     image = cv2.resize(image, (448, 448))
16.     image = image / 255.0
17.     image = np.expand_dims(image, axis=0)
18.     return image
20. def draw_boxes(image, boxes, scores):
21.     # 在图像上绘制检测框和类别名称
22.     for box, score in zip(boxes, scores):
23.         x, y, w, h = box
24.         class_index = np.argmax(score)
25.         class_name = classes[class_index]
26.         confidence = score[class_index]
27.         label = f"{class_name}: {confidence:.2f}"
28.         cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
29.         cv2.putText(image, label, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)
30.     return image
32. # 构建模型
33. input_image = Input(shape=(448, 448, 3))
34. yolo_model = YOLO(input_image, training=False)
35. model = Model(inputs=input_image, outputs=yolo_model.output)
37. # 加载预训练权重
38. model.load_weights('path_to_pretrained_weights')
40. # 进行目标检测和可视化
41. image_path = 'dog.jpg'
42. image = load_image(image_path)
43. output = model.predict(image)
45. # 解析输出
46. boxes = output[..., :4]
47. scores = output[..., 4:]
49. # 设置置信度阈值，过滤掉置信度较低的检测结果
50. confidence_threshold = 0.5
51. filtered_boxes = []
52. filtered_scores = []
53. for box, score in zip(boxes[0], scores[0]):
54.     max_score = np.max(score)
55.     if max_score > confidence_threshold:
56.         filtered_boxes.append(box)
57.         filtered_scores.append(score)
59. # 绘制检测结果并显示图像
60. result_image = draw_boxes(cv2.imread(image_path), filtered_boxes, filtered_scores)
61. cv2.imshow("Detection Result", result_image)
62. cv2.waitKey(0)
63. cv2.destroyAllWindows()

复制代码

请将代码中的以下部分进行相应的修改：

- 将 path_to_pretrained_weights 替换为预训练权重文件的路径。
- 将 dog.jpg 替换为你要测试的图像文件的路径。

运行程序后，应该会显示含有检测框和类别的图像窗口。

希望这能帮到你！如果还有其他问题，请随时提问。

球一个最佳答案谢谢啦！这对我非常重要！

isdkz

以下是一个使用YOLOv1模型进行预测和可视化检测的示例程序：

1. import numpy as np
   
2. import cv2
   
3. from matplotlib import pyplot as plt
   
4. from tensorflow.keras.models import Model
   
5. from tensorflow.keras.layers import Conv2D, Input
   
6. 
   
7. def create_yolo_model():
   
8.     # 创建YOLOv1模型结构
   
9.     input_image = Input(shape=(448, 448, 3))
   
10.     # ... 模型结构参考上述链接中的代码 ...
    
11. 
    
12.     model = Model(inputs=input_image, outputs=output)
    
13.     return model
    
14. 
    
15. def load_weights(model, weights_file):
    
16.     # 加载训练好的权重
    
17.     # ... 读取权重文件并将权重加载到模型中 ...
    
18. 
    
19. def preprocess_image(image):
    
20.     # 图像预处理，将图像调整为模型输入尺寸
    
21.     image = cv2.resize(image, (448, 448))
    
22.     image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    
23.     image = image.astype(np.float32)
    
24.     image /= 255.0
    
25.     image = np.expand_dims(image, axis=0)
    
26.     return image
    
27. 
    
28. def postprocess_predictions(predictions):
    
29.     # 后处理预测结果，提取检测框和类别信息
    
30.     # ... 根据模型输出解析预测结果 ...
    
31. 
    
32. def visualize_detections(image, detections):
    
33.     # 可视化检测结果
    
34.     # ... 根据检测结果在图像上绘制检测框和类别信息 ...
    
35. 
    
36. # 创建模型
    
37. model = create_yolo_model()
    
38. 
    
39. # 加载权重
    
40. weights_file = 'path_to_weights_file'
    
41. load_weights(model, weights_file)
    
42. 
    
43. # 读取测试图像
    
44. image_file = 'dog.jpg'
    
45. image = cv2.imread(image_file)
    
46. 
    
47. # 图像预处理
    
48. input_image = preprocess_image(image)
    
49. 
    
50. # 进行预测
    
51. predictions = model.predict(input_image)
    
52. 
    
53. # 后处理预测结果
    
54. detections = postprocess_predictions(predictions)
    
55. 
    
56. # 可视化检测结果
    
57. visualize_detections(image, detections)
    
58. 
    
59. # 显示图像
    
60. plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    
61. plt.axis('off')
    
62. plt.show()
    

复制代码

请注意，上述代码中的一些部分需要根据你的具体情况进行修改，比如模型结构的创建和权重文件的路径。另外，你可能需要安装一些额外的库，如 matplotlib 和 opencv-python 。

希望这个示例程序能帮助到你，让你能够完成作业并实现可视化检测效果。如果你遇到任何问题，请随时提问。