基于Faster R-CNN的安全帽目标检测

• A.数据准备

数据的标注仍然采用VOC格式的数据标注形式，如果是其他的标注形式比如COCO请自行实现相关代码。将数据最终转化为如下形式：

path_filename, x1, y1, x2, y2, class_name

格式说明

代码及运行教程，数据集 获取：

关注微信公众号 datayx 然后回复 安全帽 即可获取。

AI项目体验地址 https://loveai.tech

可以运行如下代码实现数据集的准备工作:

python3 ./data/data_pro.py

将在./data文件夹下生成annotation.txt文件，这样训练数据的准备工作即完成。

B.配置文件准备

根据自己的训练集和训练任务修改./keras_frcnn/config.py的配置文件,相关参数的解释和配置如下：

训练模型

预训练模型的下载地址：https://github.com/fchollet/deep-learning-models

Shell下运行：

python3 train_frcnn.py --path="./data/annotation.txt" --network="vgg" --input_weight_path="./pre_train/vgg16_weights_tf_kernels_notop.h5"

windows下直接运行我们写好的批处理文件：

run_train.bat

模型预测

将需要测试的图像和视频拷贝到./new_test文件夹

• A.单张图像推断

Shell下运行：

python3 test_frcnn.py --path="./new_test"

windows下直接运行我们写好的批处理文件：

run_inference.bat

• B.视频推断

Shell下运行：

python3 test_frcnn_video.py --path="./new_test/test_video.mp4"

windows下直接运行我们写好的批处理文件：

test_video.bat

效果展示