YOLO_tensorflow

（版本 0.3，最后更新：2017年2月21日）

1. 简介

这是 YOLO：实时目标检测的 TensorFlow 实现。

目前仅支持使用预训练的 YOLO_small 和 YOLO_tiny 网络进行预测。

（+ 来自 https://github.com/quanhua92/darknet 的 YOLO_face 检测器）

我从 Darknet 的 (.weight) 文件中提取了权重值。

我的代码不支持训练。请使用 Darknet 进行训练。

原始代码（C 实现）及论文：http://pjreddie.com/darknet/yolo/

2. 安装

(1) 下载代码

(2) 从以下链接下载 YOLO 权重文件：

YOLO_small：https://drive.google.com/file/d/0B2JbaJSrWLpza08yS2FSUnV2dlE/view?usp=sharing

YOLO_tiny：https://drive.google.com/file/d/0B2JbaJSrWLpza0FtQlc3ejhMTTA/view?usp=sharing

YOLO_face：https://drive.google.com/file/d/0B2JbaJSrWLpzMzR5eURGN2dMTk0/view?usp=sharing

(3) 将 'YOLO_(version).ckpt' 放入下载代码的 'weight' 文件夹中。

3. 使用方法

(1) 直接使用默认设置（在控制台显示结果、显示输出图像、不写入输出文件）

python YOLO_(small 或 tiny)_tf.py -fromfile (输入图像文件名)

(2) 直接使用自定义设置

python YOLO_(small 或 tiny)_tf.py argvs

其中 argvs 包括：

-fromfile（输入图像文件名）：输入图像文件
-disp_console（0 或 1）：是否在终端显示结果
-imshow（0 或 1）：是否显示结果图像
-tofile_img（输出图像文件名）：输出图像文件
-tofile_txt（输出文本文件名）：输出文本文件（包含类别、x、y、w、h、置信度）

(3) 在其他脚本中导入使用

import YOLO_(small 或 tiny)tf yolo = YOLO(small 或 tiny)_tf.YOLO_TF()

yolo.disp_console = （True 或 False，默认为 True） yolo.imshow = （True 或 False，默认为 True） yolo.tofile_img = （输出图像文件名） yolo.tofile_txt = （输出文本文件名） yolo.filewrite_img = （True 或 False，默认为 False） yolo.filewrite_txt = （True 或 False，默认为 False）

yolo.detect_from_file(filename) yolo.detect_from_cvmat(cvmat)

4. 系统要求

• TensorFlow
• OpenCV 2

5. 版权声明

根据原始代码的 LICENSE 文件：

• 我与原作者对任何损害不承担任何责任。
• 请勿将此代码用于商业用途！

6. 更新日志

2016年2月15日：首次上传！

2016年2月16日：添加 YOLO_tiny，并修复了一个 bug：当网格中同时检测到两个有效目标时，会忽略其中一个框。

2016年8月26日：上传了权重文件转换工具！（Darknet 权重 -> TensorFlow ckpt）

2017年2月21日：添加 YOLO_face（感谢 https://github.com/quanhua92/darknet）

YOLO_tensorflow 快速上手指南

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux / macOS / Windows (需配置好 Python 环境)
• 核心依赖：
  • Tensorflow
  • Opencv2 (python-opencv)

您可以使用 pip 安装所需依赖：

pip install tensorflow opencv-python

提示：国内用户建议使用清华源或阿里源加速安装，例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow opencv-python

安装步骤

本项目不支持训练，仅支持使用预训练权重进行推理。请按以下步骤完成部署：

1. 下载代码 克隆或下载本项目的源代码到本地。

2. 下载预训练权重 根据需求选择对应的模型权重文件（由于原链接为 Google Drive，国内访问可能较慢，建议自行寻找国内镜像或使用代理下载）：

   • YOLO_small: 下载链接
   • YOLO_tiny: 下载链接
   • YOLO_face: 下载链接

3. 放置权重文件 将下载好的权重文件重命名为 YOLO_(version).ckpt 格式（例如 YOLO_small.ckpt），并放入代码目录下的 weight 文件夹中。

基本使用

命令行直接运行

最简单的使用方式是直接对单张图片进行检测，默认会在终端输出结果并弹窗显示检测后的图片。

示例命令：

python YOLO_small_tf.py -fromfile test.jpg

(注：请将 YOLO_small_tf.py 替换为您实际使用的模型脚本，如 YOLO_tiny_tf.py，将 test.jpg 替换为您的输入图片路径)

自定义参数运行

如需控制输出行为（如保存结果文件、关闭弹窗等），可添加以下参数：

python YOLO_small_tf.py -fromfile test.jpg -disp_console 1 -imshow 1 -tofile_img result.jpg -tofile_txt result.txt

常用参数说明：

• -fromfile: 输入图片文件名
• -disp_console: 是否在终端打印结果 (0 或 1)
• -imshow: 是否弹出窗口显示结果图片 (0 或 1)
• -tofile_img: 输出带标注的图片文件名
• -tofile_txt: 输出检测结果文本文件名 (包含类别、坐标及概率)

在 Python 脚本中调用

您也可以将该工具作为模块导入到其他 Python 脚本中使用：

import YOLO_small_tf

# 初始化对象
yolo = YOLO_small_tf.YOLO_TF()

# 配置选项
yolo.disp_console = True      # 终端输出
yolo.imshow = True            # 显示图片
yolo.tofile_img = 'out.jpg'   # 保存图片路径
yolo.filewrite_img = True     # 开启图片写入
yolo.filewrite_txt = False    # 关闭文本写入

# 执行检测
yolo.detect_from_file('test.jpg')
# 或者检测 OpenCV 矩阵对象
# yolo.detect_from_cvmat(cvmat_image)

注意：根据原作者许可，本代码仅供学习研究，严禁用于商业用途。