KO | EN

GitLite

Minimalist Open Source Repository Search Engine

gitlite — search

#dsh #dsh-plugin #typescript #developer-tools #claude-code #ai-agent #codex #deepseek-harness #ai-agents #cli #react #mcp

yolo3_keras_Logo_Detection

★ 28 Open GitHub ↗

【目标识别】yolo3_keras_Logo识别&&训练自己数据

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

### 部分实验效果(图片来着百度图片爬取)
![Image text](https://raw.githubusercontent.com/ZzzzzZXxxX/yolo3_keras_Logo_Detection/master/model_data/1.png)
![Image text](https://raw.githubusercontent.com/ZzzzzZXxxX/yolo3_keras_Logo_Detection/master/model_data/2.png)
##### 本项目里有30类logo
![Image text](https://raw.githubusercontent.com/ZzzzzZXxxX/yolo3_keras_Logo_Detection/master/model_data/3.png)
## 快速开始
#### 1. 下载本项目预训练 权重
- 权重1
```
链接:https://pan.baidu.com/s/1sanx0wELCMmektdHNHxkhQ  密码:6rzz
```
- 权重2
```
链接:https://pan.baidu.com/s/1N9cTopyEcB-sqdw-FLs4Rw  密码:5cij
```
#### 2. 修改yolo.py中第24行权重路径
#### 3. 将需要检测图片放入sample文件夹中
#### 4. 运行检测
```
python yolo_images.py
```
## 训练
#### 训练自己的数据 无需使用 预训练的权重 （此方法适用于各类数据）
#### step 1
- 使用labelImg对数据进行标记
- 得到xml文件，放置于./model_data/label_train/将图片数据放在于./model_data/train/
(建议图片宽高大于416，不然影响训练)
- 将数据类别写入my_classes.txt中(本项目中name_classes.txt为自定义文件，因为数据标记时，标记的为类别id，为了方便检测时直接输出类别,自己数据预测时将yolo.py中的classes_path修改为自己的)
#### step 2
- 执行xml_to_data.py 生成 kitti_simple_label.txt
```
python xml_to_data.py
```
#### step 3
-  k-means 聚类算法生成对应自己样本的 anchor box 尺寸 生成 my_anchors.txt
```
python kmeans.py
```
#### step 4
- 开始训练(建议epochs大于500，如果内存溢出可减小batch_size。其他参数，按照自己数据，自行修改。)
```
python train.py
```

## 项目环境依赖
```
tensorflow                         1.13.1    
Keras                              2.2.4  
h5py                               2.8.0 
opencv-python                      4.0.0.21  
numpy                              1.16.2  
Anaconda3
```

yolo3_keras_Logo_Detection

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README