【華為云-上云之路】手把手教你用ModelArts基于YOLO V3算法實現物體檢測

華為云—華為公司傾力打造的云戰略品牌，2011年成立，致力于為全球客戶提供領先的公有云服務，包含彈性云服務器、云數據庫、云安全等云計算服務，軟件開發服務，面向企業的大數據和人工智能服務，以及場景化的解決方案。

華為云用在線的方式將華為30多年在ICT基礎設施領域的技術積累和產品解決方案開放給客戶，致力于提供穩定可靠、安全可信、可持續創新的云服務，做智能世界的“黑土地”，推進實現“用得起、用得好、用得放心”的普惠AI。華為云作為底座，為華為全棧全場景AI戰略提供強大的算力平臺和更易用的開發平臺。

ModelArts是華為云產品中面向開發者的一站式AI開發平臺，為機器學習與深度學習提供海量數據預處理及半自動化標注、大規模分布式Training、自動化模型生成，及端-邊-云模型按需部署能力，幫助用戶快速創建和部署模型，管理全周期AI工作流。

基于YOLO V3算法實現物體檢測

本實驗將我們將聚焦于用YOLO V3算法實現物體檢測，在ModelArts的Notebook開發環境中實現用YOLO V3算法構建一個物體檢測的神經網絡模型，并在該環境中實現對物體檢測神經網絡模型的訓練與測試，最終達到實現物體檢測的實驗目的。

基于YOLO V3算法實現物體檢測

實驗流程

1.準備實驗環境與創建開發環境

2.下載數據與訓練代碼

3.準備數據

4.Yolo_v3模型訓練

5.Yolo_v3模型測試

1.1進入ModelArts

首先需要進入華為云Modelarts主頁，輸入自己的賬號密碼：

https://www.huaweicloud.com/product/modelarts.html

點擊進入“進入控制臺”

在左側開發環境處，點擊Notebook:

點擊“創建”，填寫配置信息：

名稱：自定義（此處我設置的是notebook-yolov3）

工作環境：Python3

資源池：公共資源池

類型：GPU

規格：體驗規格GPU（這樣就不要花費）

存儲配置：云硬盤

這里我說說我對云硬盤與對象存儲服務的理解：

云硬盤對應的是云服務器，就如同電腦的自帶硬盤，存儲在云硬盤的數據可以隨時的在云端查看。

對象存儲服務就如同移動硬盤，可以隨時做資料備份。

按“下一步”確認信息無誤，點擊“提交”即可：

即可完成創建：

點擊“返回Notebook列表”，即看到正在運行的Notebook環境：

點擊進入創建的notebook-yolov3中：

點擊選擇右側的“New”

點擊選擇TensorFlow 1.13.1開發環境后，進入下面的頁面：

輸入下面代碼后，點擊“Run”進行測試：

print("Hello world!")

成功輸出“Hello world!”，說明環境配置正確

2.數據和代碼下載

點擊“Run”運行下面代碼，進行實驗代碼和實驗數據的下載和解壓：

下載后的代碼和數據保存在了之前設置的云硬盤（EVS）中

這里是已經下載好的文件目錄：

3.準備數據

運行以下代碼，進行文件路徑定義：

讀取標注數據：

以下代碼是數據讀取函數，構建數據生成器。每次讀取一個批次的數據至內存訓練，并做數據增強:

4.Yolov3模型訓練

本實驗使用的是Keras深度學習框架搭建YOLOv3神經網絡模型。

在實驗中可以進入Notebook的管理控制臺查看相應的源碼實現。

構建神經網絡：

點擊“Run”,運行界面如下：

可通過如下代碼，打印模型各層結構，帶您了解模型細節：

訓練回調函數定義：

運行如下代碼，點擊“Run”,即可開始訓練：

本次實驗設置的batch_size =?16，max_epochs =?2

如何特殊需求的用戶，可以在此基礎上進行修改：

訓練好了后結果如下：

運行以下代碼，點擊“Run”,打開一張測試圖片:

繼續輸入“image”可看到打開的是哪張圖片：

進行圖片預處理操作：

繼續輸入代碼：

運行以下代碼，構建模型：

加載模型權重，或將模型路徑替換成上一步訓練得出的模型路徑：

定義IOU以及score：

IOU：將交并比大于IOU的邊界框作為冗余框去除score：將預測分數大于score的邊界框篩選出來

構建輸出[boxes, scores, classes]：

依次輸入下面的代碼段，進行預測：

將預測結果繪制在圖片上：

輸入“image”可以看到標注好的圖片：

利用步驟5進行其它圖片測試：

通過對實驗結果的比對，可以看出利用

[華為云ModelArts]物體檢測效果是很棒的，六個字總結就是-高效，快捷，省心。

正因我們國家有許多像華為這樣強大的民族企業在國家背后默默做支撐，做奉獻。我們國家才能屹立于世界民族之林。

華為，中國驕傲！中華有為！

人工智能 ModelArts

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。