1、作者介绍

熊文博，男，西安工程大学电子信息学院，2020级硕士研究生，张宏伟人工智能课题组。
研究方向：机器视觉与人工智能
电子邮件：996270714@qq.com
师兄的CSDN主页：欢迎关注和相互交流学习.

YOLO系列学习-主要熟悉各个模型的改进

2、算法简介

YOLO英文名字为Yolo Only Look Once，意为你只看一次，也就是说你只看一次，就可以把图像中的目标检测出来。

YOLO是一种目标检测的算法，其于2015年首次提出，目前最新的已经到YOLO v8了。

现在用YOLO v2加载训练好的COCO数据集权重模型进行图片目标预测，有关细节部分就不赘述了。

这里放上YOLO v2的论文地址：
YOLO v2论文地址：https://arxiv.org/pdf/1612.08242.pdf

3、环境配置

首先需要配置好相关镜像，这里需要安装上OpenCV和TensorFlow这两个安装包。
清华镜像安装OpenCV：

pip install opencv-python==3.4.9.31 -i https://pypi.tuna.tsinghua.edu.cn/simple

豆瓣镜像安装TensorFlow：(这里强烈建议大家安装CPU版本的TensorFlow，GPU版本需要提前配置好cuda和cudnn（具体步骤见: Windows系统GPU版本PyTorch安装教程），CPU版本的用于图片目标检测足够了)

安装CPU版本：

pip install tensorflow==1.13.1 -i https://pypi.douban.com/simple

安装GPU版本的TensorFlow：

pip install tensorflow-gpu==1.13.1 -i https://pypi.douban.com/simple

4、代码实现

4.1 数据准备

这里给出YOLO v2算法用TensorFlow框架编写好的程序的百度网盘链接:
链接: https://pan.baidu.com/s/1ZDTfuDHh1jXgc271KDnrsw 提取码: rtbx

文件夹里面文件分布如下图所示：

其中Main.py就是用于图像目标检测的程序，在该程序中，需要修改相应的读取图片路径、输出路径和模型路径。
第30行修改读入图片的路径,这里要注意最好用图片的绝对路径

image_file = '1.jpg'    #读取输入图片

第55行修改图片的输出保存路径

cv2.imwrite("detection_result.jpg", img_detection)

第44行是读取模型权重文件的路径

model_path = "./yolo2_model/yolo2_coco.ckpt"

4.2 完整代码

下面是完整的Main.py中的代码：

# %load Main.py
# --------------------------------------
# @Time    : 2018/5/16$ 17:17$
# @Author  : KOD Chen
# @Email   : 821237536@qq.com
# @File    : Main$.py
# Description :YOLO_v2主函数.
# --------------------------------------import numpy as np
import tensorflow as tf
import cv2,os
from PIL import Image
import matplotlib.pyplot as pltfrom model_darknet19 import darknet
from decode import decode
from utils import preprocess_image, postprocess, draw_detection
from config import anchors, class_names
#%matplotlib inlinedef main():input_size = (416,416)image_file = '1.jpg'    #读取输入图片image = cv2.imread(image_file)image_shape = image.shape[:2] #只取wh，channel=3不取# copy、resize416*416、归一化、在第0维增加存放batchsize维度image_cp = preprocess_image(image,input_size)# 【1】输入图片进入darknet19网络得到特征图，并进行解码得到：xmin xmax表示的边界框、置信度、类别概率tf_image = tf.placeholder(tf.float32,[1,input_size[0],input_size[1],3])model_output = darknet(tf_image) # darknet19网络输出的特征图output_sizes = input_size[0]//32, input_size[1]//32 # 特征图尺寸是图片下采样32倍output_decoded = decode(model_output=model_output,output_sizes=output_sizes,num_class=len(class_names),anchors=anchors)  # 解码model_path = "./yolo2_model/yolo2_coco.ckpt"saver = tf.train.Saver()with tf.Session() as sess:saver.restore(sess,model_path)bboxes,obj_probs,class_probs = sess.run(output_decoded,feed_dict={tf_image:image_cp})# 【2】筛选解码后的回归边界框——NMS(post process后期处理)bboxes,scores,class_max_index = postprocess(bboxes,obj_probs,class_probs,image_shape=image_shape)# 【3】绘制筛选后的边界框img_detection = draw_detection(image, bboxes, scores, class_max_index, class_names)cv2.imwrite("detection_result.jpg", img_detection)img_detection = cv2.cvtColor(img_detection, cv2.COLOR_RGB2BGR) plt.figure(figsize=(10,10))plt.imshow(img_detection) #界面显示#print('YOLO_v2 detection has done!')print('YOLO_v2 检测完成!')#cv2.imshow("detection_results", img_detection)#cv2.waitKey(0)plt.show()
if __name__ == '__main__':main()

4.3 运行结果

运行程序，就可以对图片进行目标检测了。更换图片路径，可以对不同的图片进行目标检测了。
下面展示一些图片的运行结果：

常见问题总结

1、问题1：AttributeError: module ‘tensorflow’ has no attribute ‘placeholder’

报错原因：加载的虚拟环境中Tensorflow版本太高，Tensorflow 1.x 版本提供placeholder，而Tensorflow 2.x 版本暂时没有这个模块。
解决办法：降低Tensorflow版本。

注意：Python解释器版本太高也无法安装成功，建议安装3.7.x版本解释器。

pip install tensorflow==1.13.1 -i https://pypi.douban.com/simple

2、问题2：TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible work

报错原因：这是由于我们使用pip安装tensorflow的时候，安装依赖包protobuf的版本过高造成的。

解决办法：只需要卸掉原来的，按照编译器提示的信息下载3.19.0对应的版本即可解决问题。

# 卸载原来的版本
pip uninstall protobuf   # 安装新版本
pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3、问题3：使用pip指令进行安装时，若出现以下提示信息，则只需对pip进行更新即可。

pip升级指令：

python -m pip install --upgrade pip