Matlab实现YOLOV3对车辆进行检测--全程中文说明适合初学者学习

Posted 爱钓鱼的小点点

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Matlab实现YOLOV3对车辆进行检测--全程中文说明适合初学者学习相关的知识,希望对你有一定的参考价值。

目录

前言

一、模型训练

1.1对训练图片进行预处理

1.2 对训练图片进行打标签

1.3 训练模型

 二、图像识别

总结

程序


前言

程序是基于Matlab实现的,对于初学者,通俗易懂,如果电脑的GPU性能不佳的情况下,利用Matlab可以实现YOLOV3的算法对目标识别。

程序全部都是通俗易懂的,并且如何使用此程序对图片识别,从修改图片大小到打标签再到训练模型和识别图像都一一的细说,因此只需要下载程序然后运行和学习即可。程序我放在最后的超链接里了,需要的自行去下载即可。

一、模型训练

1.1对训练图片进行预处理

为了节约训练图片的时间,我这里采用的是227*227的尺寸大小,因此,在对训练图片进行打标签之前,需要把图片的大小变成227*227。

如果不会对图片进行统一改变大小,这里有程序

1.2 对训练图片进行打标签

在训练之前首先要对训练照片进行打标签,具体打标签法如下:

1、打开Matlab应用Image Labeler

2、打开后,首先点击Load,然后选择添加训练的照片,然后点击Label进行标签设置,可以选择颜色,选择好后进行打标签,具体如图所示:

 3、打完全部图片的标签后,需要将标签数据保存,点击Export Labels,然后选择保存到文件,具体如图所示。

1.3 训练模型

 首先打开ATrainYOLOV3.mlx文件,然后对已打标签的数据文件进行加载,这里我的文件名字是gTruth.mat,如果你的名字不是这个,需要对应的修改好。

训练好后,在文件区域会出现YOLOV3.mat,这个就是已经训练好的模型。

 二、图像识别

 打开BTestmodel.mlx文件,然后点击运行,选择要检测的照片。

 识别结果如下所示。

总结

我训练的图片只有600张左右,因此精确度还是不够高,对于一些小目标和残缺目标的识别精度还是不够高。如果想要达到高识别率和高精度,需要训练的照片越多越好。最后程序我附录在最后了,超链接的形式,里面全是中文注释,超级可以看懂。

程序

以上是关于Matlab实现YOLOV3对车辆进行检测--全程中文说明适合初学者学习的主要内容,如果未能解决你的问题,请参考以下文章

车辆计数基于matlab光流法行驶车辆检测计数含Matlab源码 627期

MATLAB深度学习采用Faster R-CNN实现车辆目标检测

MATLAB深度学习采用Faster R-CNN实现车辆目标检测

PaddleX助力无人驾驶:基于YOLOv3的车辆检测和车道线分割实战

matlab能否运行yolov3

matlab能否运行yolov3