为自定义数据集创建 YOLO 权重文件
Creating YOLO Weights file for custom dataset
enter image description here我已经使用微型 YOLO 创建了一个自定义模型。在我最终检查点对应的ckpt文件夹中生成了4个文件。当我提供 .cfg 文件和加载编号时，对象检测工作正常。
我必须使用 cv2.dnn.readnet() 加载模型和 cfg 文件以在 raspberrypi 中使用，但 readnet 函数只需要 2 个参数，.weights 文件和 .cfg 文件。那么如何将我的模型转换为单个权重文件？enter image description here
我正在使用 python 3.7 和 opencv 4。
这不是一个准确的答案，但您使用的存储库看起来很旧。如果您有数据，您可以在 yolo v3 中重新训练您的自定义模型。这个存储库包含训练自定义模型的所有必要信息，包括 yolo v3 tiny，
https://github.com/AlexeyAB/darknet.
这将在备份文件夹中每 1000 次迭代生成一个 .weights 和最后的权重以恢复训练。您可以在充分迭代后使用这些权重以及 cv2.dnn.readnet().
中的 .cfg 文件
enter image description here我已经使用微型 YOLO 创建了一个自定义模型。在我最终检查点对应的ckpt文件夹中生成了4个文件。当我提供 .cfg 文件和加载编号时，对象检测工作正常。
我必须使用 cv2.dnn.readnet() 加载模型和 cfg 文件以在 raspberrypi 中使用，但 readnet 函数只需要 2 个参数，.weights 文件和 .cfg 文件。那么如何将我的模型转换为单个权重文件？enter image description here
我正在使用 python 3.7 和 opencv 4。
这不是一个准确的答案，但您使用的存储库看起来很旧。如果您有数据，您可以在 yolo v3 中重新训练您的自定义模型。这个存储库包含训练自定义模型的所有必要信息，包括 yolo v3 tiny，
https://github.com/AlexeyAB/darknet.
这将在备份文件夹中每 1000 次迭代生成一个 .weights 和最后的权重以恢复训练。您可以在充分迭代后使用这些权重以及 cv2.dnn.readnet().
.cfg 文件