keras-yolov3 进行批量测试 并 保存测试结果

几个月前自己上手YOLOV3-keras，自己训练了一个数据集。在测试的时候，发现源码作者的测试不好用。自己稍稍修改了一下。 几点改进 （1）批量测试图片 将待测试的图片放入 './test'路径下。 测试的时候，第一张图片需要的时间大约是 2s左右，因为需要加载模型，所需时间就相对较长一些。在博主的机器上，测试一一张图片的时间大约是0.1s左右； （2）保存测试结果 完成测试后，将测试的结果保存在result文件夹中。方便以后查看 （3）将测试结果输出为一个result.txt文件。 result.txt内容包含了每一个bbox的信息。

# -*- coding: utf-8 -*-
“““
Class definition of YOLO_v3 style detection model on image and video
“““

import colorsys
import os
from timeit import default_timer as timer
import time

import numpy as np
from keras import backend as K
from keras.models import load_model
from keras.layers import Input
from PIL import Image ImageFont ImageDraw

from yolo3.model import yolo_eval yolo_body tiny_yolo_body
from yolo3.utils import letterbox_image
from keras.utils import multi_gpu_model

path = ‘./test/‘  #待检测图片的位置

# 创建创建一个存储检测结果的dir
result_path = ‘./result‘
if not os.path.exists（result_path）:
    os.makedirs（result_path）

# result如果之前存放的有文件，全部清除
for i in os.listdir（result_path）:
    path_file = os.path.join（result_pathi）  
    if os.path.isfile（path_file）:
        os.remove（path_file）

#创建一个记录检测结果的文件
txt_path =result_path + ‘/result.txt‘
file = open（txt_path‘w‘）  

class YOLO（object）:
    _defaults = {
        “model_path“: ‘model_data/yolo.h5‘
        “anchors_path“: ‘model_data/yolo_anchors.txt‘
        “classes_path“: ‘model_data/coco_classes.txt‘
        “score“ : 0.3
        “iou“ : 0.45
        “model_image_size“ : （416 416）
        “gpu_num“ : 1
    }

    @classmethod
    def get_defaults（cls n）:
        if n in cls._defaults:
            return cls._defaults[n]
        else:
            return “Unrecognized attribute name ‘“ + n + “‘“

    def __init__（self **kwargs）:
        self.__dict__.update（self._defaults） # set up default values
        self.__dict__.update（kwargs） # and update with user overrides
        self.class_names = self._get_class（）
        self.anchors = self._get_anchors（）
        self.sess = K.get_session（）
        self.boxes self.scores self.classes = self.generate（）

    def _get_class（self）:
        classes_path = os.path.expanduser（self.classes_path）
        with open（classes_path） as f:
            class_names = f.readlines（）
        class_names = [c.strip（） for c in class_names]
        return class_names

    def _get_anchors（self）:
        anchors_path = os.path.expanduser（self.anchors_path）
        with open（anchors_path） as f:
            anchors = f.readline（）
        anchors = [float（x） for x in anchors.split（‘‘）]
        return np.array（anchors）.reshape（-1 2）

    def generate（self）:
        model_path = os.path.expanduser（self.model_path）
        assert model_path.endswith（‘.h5‘） ‘Keras model or weights must be a .h5 file.‘

        # Load model or construct model and load weights.
        num_anchors = len（self.anchors）
        num_classes = len（self.class_names）
        is_tiny_version = num_anchors==6 # default setting
        try:
            self.yolo_model = load_model（model_path compile=False）
        except:
            self.yolo_model = tiny_yolo_body（Input（shape=（NoneNone3）） num_anchors//2 num_classes） \
                if is_tiny_version else yolo_body（Input（shape=（NoneNone3）） num_anchors//3 num_classes）
            self.yolo_model.load_weights（self.model_path） # make sur

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        8628  2019-04-15 18:12  yolo_test.py
     文件         164  2019-04-15 19:35  readme.txt