【華為云-上云之路】【2020華為云AI實戰營】第二章 物體檢測——帶你跑通YOLO系列最新版YOLOv4（TF）

華為云2020 AI實戰營 第二章 物體檢測開始了，講述的主要是目前目標檢測領域兩個流派——One Stage和Two Stage的代表作品。其中，Two Stage領域的是著名的Faster-RCNN，正如所屬流派的名字，通過兩個階段的聯合完成最終的目標檢測，準確率高，但速度較慢，適合對準確率要求高，且硬件設備強大的使用場景，比如自動駕駛等場景。與之不同的是YOLO系列，老師講的是YOLOv3，作為ONe Stage領域的代表作，其一步即可完成檢測的工作，速度很快，且準確率較高，是目前工業屆廣泛使用的算法之一，其在速度和準確率方面做了較好的Trade Off。

paper：https://arxiv.org/pdf/2004.10934.pdf

看看在MS COCO數據集上的效果：

而今天的主角就是YOLOv3的升級版，時隔兩年的一次重磅升級，速度更快，準確率更好，實現了雙提升，而且使用了很多訓練的trick，也加入了目前新的方法。學習總是要與時俱進嘛，今天來分享一下在ModelArts上跑通YOLOv4的過程，同時附上完成項目，包括預訓練模型和測試圖片，輕松讓你實現YOLOv4。

1. 下載完成項目

下載鏈接為：

鏈接: https://pan.baidu.com/s/1WitX1JddfUljay0QrLZp5w? 密碼: 6cub

注意，為簡化流程，讓每個人到手即可運行，這里的項目包括了預訓練模型和測試圖片，因訓練集實在太大，所以無法上傳，可自行下載，ＶＯＣ或ＣＯＣＯ都可以試試，我未進行訓練。

下載得到yolov4.zip后，解壓縮，可以得到一個.ipynb和一個文件夾，如圖：

注意這里需要將上面的yolov4文件夾上傳到ＯＢＳ桶中，建議使用客戶端上傳，類似于百度網盤，這個比較簡單。

2. 創建NoteBook

要在華為云ModelArts中的NoteBook中創建一個自己的環境，也就是NoteBook，名字任意，建議使用免費體驗規格，比較省錢。接下來上傳上面的copydataset.ipynb到剛才創建的NoteBook下就行了，之后打開，執行這個.ipynb。

首先執行這段代碼，將剛才上傳到桶中的壓縮包拷貝到NoteBook中：

注意要按照代碼上方提示改成自己的上傳壓縮包的桶的名字，完成結果如上圖所示。

作為一個linux使用者，很多時候，我們更習慣命令行，簡潔高效。下面按照要求到命令行操作，新建命令行：

按照要求執行命令。

完成后，我們可以得到一個名字為temo的文件夾：

接下來，進入上圖中的yolov4文件夾，找到yolov4_keras_tensorflow.ipynb，打開即可，之后快速逐步點擊"Run"，即可。注意這里設置了用戶自己選擇圖片測試，我提供了６張圖片供選擇，分別命名為test01.jpg, test02.jpg...... test06.jpg, 自行選擇即可，記得輸入圖片名稱后，在鍵盤敲一下“Enter”, 表示確定哈。如圖所示：

最終效果展示：

如果還想測試其他圖片，直接在上圖結果后面直接輸入其他圖片名稱即可，大家可以試一試，還有５張圖片哦。

至此，ＹＯＬＯ系列最新作品YOLOv4完成了，大家趕快試試吧。

EI 昇騰 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。