原則上我很少一天會寫超過兩篇文章以上, 但我認為這還是歸納在同一個裡面, 加上我下周開始可能會進入忙碌期, 所以先把這部分的程式碼貼出來, 然後我們有機會再來聊聊有關於yolov4以及自動辨識這一塊.
而有鑑於前面兩篇文章的關係, 所以我們其實只需要Yolo原則上我很少一天會寫超過兩篇文章以上, 但我認為這還是歸納在同一個裡面, 加上我下周開始可能會進入忙碌期, 所以先把這部分的程式碼貼出來, 然後我們有機會再來聊聊有關於yolov4以及自動辨識這一塊.
首先我們需要以下軟體,
1. YoloV4
2. OpenCV
3. PyCharm
4. Python
5. Tensorflow
而有鑑於前面兩篇文章的關係, 所以我們其實只需要YoloV4 以及 OpenCV而已, 那這裡會教大家用一個非常快的方式來安裝, 就看下去吧.
Step1. 使用管理者權限打開命令提示字元
> conda env list ( 我們確認有哪些環境, 這是個好習慣, 外加自己很有可能會腦殘拼錯, 所以打出來讓自己看是沒問題的 )
> activate tf_1.13 ( 我們激活這個tf_1.13... 激活, 進入, 啟動...隨便喊 )
> pip install opencv-python
> pip install opencv-contrib-python
成功我們會得到下面這張圖片
Step2. 接下來我們去下載YoloV4
> 在Google 輸入Yolov4 weights, 我們會得到這個網頁
> 點進去我們下載 weights-file
> 然後把他丟到D:\!_YOLO_Source_Code
Step3. 接下來我們來訓練模型
> 這裡需要注意的地方是, 我們Model的路徑要給對, 名稱也要確實給正確 yolov4.weights
> 最後我們訓練出來會是一個檔案 " YOLO_v4_416.ckpt.meta "
Step4. 開始使用, 這裡我們簡單來解釋一下
> main, 我們給定model_path, 也就是剛剛訓練好的meta檔案, 並且指定GPU的ratio (none = all ), 但盡量給1以下.
> 接下來我們到real_time_obj_detection
> 程式會一開始進行初始化, 並且透過我們設定的configuration去進行yolo v4 的initialize.
> 接下來會去判斷 > 假如攝影機是打開 > 讀取影像 > 然後丟到我們的 yolo_v4.detection(img)去分析
> 最後我們將這個影片加上FPS的顯示, 照片文字的顯示
> 直到這個攝影機被關閉為止
最後我們來顯示成果,
> 人物 & 物品 的辨識
> 交通號誌的辨識( 我真的很懶惰下樓, 所以就拿照片來替代 )
> 汽車
結論,
由於本人電腦效能較差, 無法有太好的體驗, 但以目前的技術來說, 辨識一般東西不成問題, 接下來這幾天我們就來好好的玩玩看YOLOV4吧
留言列表