位置: IT常识 - 正文
基于yoloV7-pose添加任意关键点 ＋ 多类别分类网络修改(yolov3实现)
发布时间：2024-01-17推荐整理分享基于yoloV7-pose添加任意关键点 ＋ 多类别分类网络修改(yolov3实现)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:yolov5训练出来参数box,yolov3 anchors设置,yolov3实现,yolov3教程,基于yolov4的,yolov教程,基于yolov4的,基于yolov4的,内容如对您有帮助，希望把文章链接给更多的朋友！
目前yoloV7已经发布有一段时间了，其中yoloV7有一个关键点检测的分支pose，是一个姿态关键点的检测算法，其中有给出的数据，大家可以下载运行起来。 由于实际项目需求，发现17个关键点是不能满足大家的需求的，这里我就稍作修改了一下，把关键点的数量修改为任意数量，并且添加目标检测多分类情况。
二 数据修改这里我是以车牌的关键点进行举例修改，所有关键点的数量为4个。 修改的过程中需要做左右翻转，所以我的关键点翻转后，1和2交换，3和4交换，5和6交换，依次类推。
1 yaml文件修改设置关键点数量，修改关键点数量为4
设置类别数量和类别标签
数据制作训练标签制作# -nfs-阿拉伯车牌字符-沙特阿拉伯卡口车牌-2-沙特阿拉伯卡口车牌-2-image1837.txt# data.txt 含义分别是： cls x y w h point1xpoint1ypoint2x point2y point3x point3y point4x point4y ...# 类别 目标中心点x 目标中心点y 目标宽w 目标高h 目标点1x坐标 目标点1y坐标 目标点2x坐标 目标点2y坐标 目标点3x坐标 目标点3y坐标 目标点4x坐标 目标点4y坐标 依次类推 0 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537 2 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537 0 0.5739299610894941 0.1724137931034483 0.3715953307392996 0.29064039408866993 0.38910505836575876 0.08374384236453201 0.7587548638132295 0.029556650246305417 0.7607003891050583 0.2660098522167488 0.39299610894941633 0.32019704433497537 训练文件train.txt 和val.txt 制作# train.txt./train/images/-nfs-阿拉伯车牌字符-沙特阿拉伯卡口车牌-2-沙特阿拉伯卡口车牌-2-image1837.jpeg./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 11-11-52屏幕截图.png./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-57-27屏幕截图.png./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 10-19-54屏幕截图.png./train/images/-nfs-阿拉伯车牌字符-外国车牌现场_20210519_1-外国车牌现场_20210519_1-e0d92b0990a1249388bc77bdfa8e43ed.jpg./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-51-28屏幕截图.png./train/images/-nfs-车牌字符-约旦车牌-videoplayback-videoplayback_13_1460.jpg./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 13-56-51屏幕截图.png./train/images/-nfs-车牌字符-埃及车牌-埃及车牌截图-2021-04-30 10-27-50屏幕截图.png数据读取修改核心思想就是要把关键点的数量传入数据读取中，根据关键点数量进行数据读取操作。
datasets.py/LoadImagesAndLabels() 初始化修改
cache_labels() 方法 ：数据读取修改
LoadImagesAndLabels()中__getitem__() 方法 ：数据左右翻转修改
datasets.py/random_perspective() 方法
用到random_perspective()方法的地方记得都去添加一个关机键点数量参数。
三 网络结构修改1 model文件修改yolo.py 我们用到的是IKeypoint()方法，所以这里只修改这个方法，其他方法是一样的修改。 结构中主要是把分类数量和关机键点数量加入进去就ok了。 loss文件修改loss初始化类别数量和关机键数量 loss 计算中加入类别和关机键点计算 build_targets() 方法修改 添加关键点数量 四 训练代码修改1 train.py添加关机键点数量 读取数据加入关机键点数量 初始化loss 添加关键点数量和类别数量 画图添加关键点数量 2 test.py读取数据添加关机键点数量
画图添加关机键点数量
3 general.py 中non_max_suppression()方法修改4 plots.py 文件夹修改
主要是添加关机键点的数量
五 代码分享1 训练测试
关键点效果已经成功加上去了，并且也添加了多分类。
2 代码链接代码地址（yolov7-pose_Npoint_Ncla）：https://github.com/qinggangwu/yolov7-pose_Npoint_Ncla
上一篇：3DResNet 学习记录(3d representation)
下一篇：python+neo4j构建基于知识图谱的电影知识智能问答系统(python 构建)
