Yolo 到 keras 到 coreml：获得置信度和坐标作为输出

Question

❓问题

你好，采取了以下步骤

我只用一个自定义数据集训练了 yolo tiny class
将 .weights(darknet) 转换为 .h5 (keras)（已验证并且 keras 模型也工作正常）
现在，当我将 Keras 转换为核心 ml 模型时，我没有得到坐标和置信度作为输出

用于转换为核心 ml 的命令

coremltools.converters.keras.convert(
'model_data/yolo.h5',
 input_names='image',
 class_labels=output_labels,
 image_input_names='image',
 input_name_shape_dict={'image': [None, 416, 416, 3]}
 )

虽然我检查了第三方 Yolo 模型转换为核心 ml 给出坐标和置信度

参考截图：

第3方Yolo模型转换为核心ml

我的Yolo模型转换成核心ml

系统信息

Keras==2.1.5
coremltools==3.3

Answer 1

不要添加这个：class_labels=output_labels -- 它会使你的 Core ML 模型变成一个分类器，在 Core ML 中被特殊对待。由于您的模型是一个对象检测器，因此您不需要这个。

在此处查看其余内容：https://github.com/hollance/YOLO-CoreML-MPSNNGraph

基本上，您需要在 Swift 或 Obj-C 代码中自行解码边界框坐标。您也可以将其添加到模型中，但根据我的经验，速度较慢。（这里有一个 blog post 展示了如何对 SSD 执行此操作，它与 YOLO 类似但不完全相同。）

Answer 2

我会继续更新它，因为它可能对其他人有用：

这将非常特定于您具有 自定义暗网权重 的场景，它检测到 场景中的自定义对象。

典型的后续操作是：

训练自定义权重（我假设您将使用 Darknet 来执行此操作）
将 Darknet 权重转换为 keras 检查点或 .h5（以适合您的方式）
使用 Coreml 工具将您的 keras 模型转换为 coreml 模型
确保在创建 coreml 模型时使用 Imagetype
测试 coreml 模型是否给出 multi-array 形状 13x13x125
在 iOS 应用程序中使用此 coreml 模型

希望这会有所帮助。如果需要更多帮助，请在评论中删除您的请求

问候 Ankit

Yolo 到 keras 到 coreml：获得置信度和坐标作为输出

Yolo to keras to coreml : get confidence and coordinates as outputs

keras

coreml

coremltools

yolo

❓问题

系统信息