原因:

• 1.主要是想加快識別速度(在減小識別類別的情況下)
• 2.減小數(shù)據(jù)庫大小
• 3.去掉不想要的類別
• 4.仍然想用官方的weight(比我自己訓(xùn)練的精準)
• 5.因為對keras不熟, 不知道怎么在convert.py時直接從數(shù)據(jù)庫中閹割掉

過程:

yolo3不管是視頻還是圖片檢測 調(diào)用的都是 yolo.py 中的 detect_image
yolo.py 中 detect_image 關(guān)于 類別self.classes 由

        out_boxes, out_scores, out_classes = self.sess.run(
            [self.boxes, self.scores, self.classes],
            feed_dict={
                self.yolo_model.input: image_data,
                self.input_image_shape: [image.size[1], image.size[0]],
                K.learning_phase(): 0
            })

generate(__init__調(diào)用)中的

        boxes, scores, classes = yolo_eval(self.yolo_model.output, self.anchors,
                len(self.class_names), self.input_image_shape,
                score_threshold=self.score, iou_threshold=self.iou)
        return boxes, scores, classes

中的yolo_eval(位于yolo3中的 model.py)中的下一段, 添加一條if語句即可(第二行注釋掉的)

    for c in range(num_classes):
        #if c == 32: #32->sports ball 32是 model_data/coco_classes.txt 對應(yīng)的行減一(從0開始)
            # TODO: use keras backend instead of tf.
            class_boxes = tf.boolean_mask(boxes, mask[:, c])
            class_box_scores = tf.boolean_mask(box_scores[:, c], mask[:, c])
            nms_index = tf.image.non_max_suppression(
                class_boxes, class_box_scores, max_boxes_tensor, iou_threshold=iou_threshold)
            class_boxes = K.gather(class_boxes, nms_index)
            class_box_scores = K.gather(class_box_scores, nms_index)
            classes = K.ones_like(class_box_scores, 'int32') * c
            boxes_.append(class_boxes)
            scores_.append(class_box_scores)
            classes_.append(classes)

綜上在yolo3/model.py 213 行下添加if判斷即可

ps: 作者還寫了注釋 use keras backend instead of tf 看來想脫離tf啊

ps:

1.數(shù)據(jù)庫中數(shù)據(jù)一樣是有的, 只是減少了查詢次數(shù), 有點點效果, 但是并不明顯
2.因為想用官方的weight, 曾嘗試閹割官方weight:

• 測試修改了 coco_classes.txt 和對應(yīng)的 yolov3.cfg 下的3個yolo下的classes(80->3)
• 重新生成yolo.h5 文件
• 運行...
  報錯位于yolo.py

self.yolo_model.layers[-1].output_shape[-1] == num_anchors/len(self.yolo_model.output) * (num_classes + 5)

debug 如下:

self.yolo_model.layers[-1].output_shape[-1] ->255
num_anchors->9
len(self.yolo_model.output) ->3 
(num_classes + 5)->85   # num_classes 是 coco_classes.txt下的類別個數(shù)

不清楚self.yolo_model.layers[-1].output_shape[-1] 是什么東西, 怎么訓(xùn)練都是255
不敢亂刪這句話 閹割數(shù)據(jù)庫失敗