Merge pull request #742 from MikeTheWatchGuy/Dev-latest
Yolo Machine Learning in a PySimpleGUI GUI
This commit is contained in:
commit
a7f31cd9a4
Binary file not shown.
After Width: | Height: | Size: 54 KiB |
Binary file not shown.
After Width: | Height: | Size: 222 KiB |
Binary file not shown.
After Width: | Height: | Size: 68 KiB |
Binary file not shown.
After Width: | Height: | Size: 290 KiB |
Binary file not shown.
Binary file not shown.
Binary file not shown.
Binary file not shown.
|
@ -0,0 +1,80 @@
|
||||||
|
person
|
||||||
|
bicycle
|
||||||
|
car
|
||||||
|
motorbike
|
||||||
|
aeroplane
|
||||||
|
bus
|
||||||
|
train
|
||||||
|
truck
|
||||||
|
boat
|
||||||
|
traffic light
|
||||||
|
fire hydrant
|
||||||
|
stop sign
|
||||||
|
parking meter
|
||||||
|
bench
|
||||||
|
bird
|
||||||
|
cat
|
||||||
|
dog
|
||||||
|
horse
|
||||||
|
sheep
|
||||||
|
cow
|
||||||
|
elephant
|
||||||
|
bear
|
||||||
|
zebra
|
||||||
|
giraffe
|
||||||
|
backpack
|
||||||
|
umbrella
|
||||||
|
handbag
|
||||||
|
tie
|
||||||
|
suitcase
|
||||||
|
frisbee
|
||||||
|
skis
|
||||||
|
snowboard
|
||||||
|
sports ball
|
||||||
|
kite
|
||||||
|
baseball bat
|
||||||
|
baseball glove
|
||||||
|
skateboard
|
||||||
|
surfboard
|
||||||
|
tennis racket
|
||||||
|
bottle
|
||||||
|
wine glass
|
||||||
|
cup
|
||||||
|
fork
|
||||||
|
knife
|
||||||
|
spoon
|
||||||
|
bowl
|
||||||
|
banana
|
||||||
|
apple
|
||||||
|
sandwich
|
||||||
|
orange
|
||||||
|
broccoli
|
||||||
|
carrot
|
||||||
|
hot dog
|
||||||
|
pizza
|
||||||
|
donut
|
||||||
|
cake
|
||||||
|
chair
|
||||||
|
sofa
|
||||||
|
pottedplant
|
||||||
|
bed
|
||||||
|
diningtable
|
||||||
|
toilet
|
||||||
|
tvmonitor
|
||||||
|
laptop
|
||||||
|
mouse
|
||||||
|
remote
|
||||||
|
keyboard
|
||||||
|
cell phone
|
||||||
|
microwave
|
||||||
|
oven
|
||||||
|
toaster
|
||||||
|
sink
|
||||||
|
refrigerator
|
||||||
|
book
|
||||||
|
clock
|
||||||
|
vase
|
||||||
|
scissors
|
||||||
|
teddy bear
|
||||||
|
hair drier
|
||||||
|
toothbrush
|
|
@ -0,0 +1,789 @@
|
||||||
|
[net]
|
||||||
|
# Testing
|
||||||
|
# batch=1
|
||||||
|
# subdivisions=1
|
||||||
|
# Training
|
||||||
|
batch=64
|
||||||
|
subdivisions=16
|
||||||
|
width=608
|
||||||
|
height=608
|
||||||
|
channels=3
|
||||||
|
momentum=0.9
|
||||||
|
decay=0.0005
|
||||||
|
angle=0
|
||||||
|
saturation = 1.5
|
||||||
|
exposure = 1.5
|
||||||
|
hue=.1
|
||||||
|
|
||||||
|
learning_rate=0.001
|
||||||
|
burn_in=1000
|
||||||
|
max_batches = 500200
|
||||||
|
policy=steps
|
||||||
|
steps=400000,450000
|
||||||
|
scales=.1,.1
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=32
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
# Downsample
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=64
|
||||||
|
size=3
|
||||||
|
stride=2
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=32
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=64
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
# Downsample
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=3
|
||||||
|
stride=2
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=64
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=64
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
# Downsample
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=2
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
# Downsample
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=2
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
# Downsample
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=1024
|
||||||
|
size=3
|
||||||
|
stride=2
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=1024
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=1024
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=1024
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=1024
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[shortcut]
|
||||||
|
from=-3
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
######################
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=1024
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=1024
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=512
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=1024
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=255
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[yolo]
|
||||||
|
mask = 6,7,8
|
||||||
|
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||||
|
classes=80
|
||||||
|
num=9
|
||||||
|
jitter=.3
|
||||||
|
ignore_thresh = .7
|
||||||
|
truth_thresh = 1
|
||||||
|
random=1
|
||||||
|
|
||||||
|
|
||||||
|
[route]
|
||||||
|
layers = -4
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[upsample]
|
||||||
|
stride=2
|
||||||
|
|
||||||
|
[route]
|
||||||
|
layers = -1, 61
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=512
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=512
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=256
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=512
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=255
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[yolo]
|
||||||
|
mask = 3,4,5
|
||||||
|
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||||
|
classes=80
|
||||||
|
num=9
|
||||||
|
jitter=.3
|
||||||
|
ignore_thresh = .7
|
||||||
|
truth_thresh = 1
|
||||||
|
random=1
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
[route]
|
||||||
|
layers = -4
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[upsample]
|
||||||
|
stride=2
|
||||||
|
|
||||||
|
[route]
|
||||||
|
layers = -1, 36
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=256
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=256
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
filters=128
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
batch_normalize=1
|
||||||
|
size=3
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=256
|
||||||
|
activation=leaky
|
||||||
|
|
||||||
|
[convolutional]
|
||||||
|
size=1
|
||||||
|
stride=1
|
||||||
|
pad=1
|
||||||
|
filters=255
|
||||||
|
activation=linear
|
||||||
|
|
||||||
|
|
||||||
|
[yolo]
|
||||||
|
mask = 0,1,2
|
||||||
|
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
|
||||||
|
classes=80
|
||||||
|
num=9
|
||||||
|
jitter=.3
|
||||||
|
ignore_thresh = .7
|
||||||
|
truth_thresh = 1
|
||||||
|
random=1
|
||||||
|
|
|
@ -0,0 +1,173 @@
|
||||||
|
# USAGE
|
||||||
|
# python yolo.py --image images/baggage_claim.jpg --yolo yolo-coco
|
||||||
|
"""
|
||||||
|
usage: yolo_video.py [-h] -i INPUT -o OUTPUT -y YOLO [-c CONFIDENCE]
|
||||||
|
[-t THRESHOLD]
|
||||||
|
"""
|
||||||
|
|
||||||
|
|
||||||
|
# import the necessary packages
|
||||||
|
import numpy as np
|
||||||
|
import argparse
|
||||||
|
import time
|
||||||
|
import cv2
|
||||||
|
import os
|
||||||
|
import PySimpleGUI as sg
|
||||||
|
from PIL import Image
|
||||||
|
import io
|
||||||
|
|
||||||
|
layout = [
|
||||||
|
[sg.Text('YOLO')],
|
||||||
|
[sg.Text('Path to image'), sg.In(r'A:\Dropbox\Camera Uploads\2018-11-16 17.35.15.jpg',size=(40,1), key='image'), sg.FileBrowse()],
|
||||||
|
[sg.Text('Yolo base path'), sg.In(r'C:\Python\PycharmProjects\yolo-object-detection\yolo-coco',size=(40,1), key='yolo'), sg.FolderBrowse()],
|
||||||
|
[sg.Text('Confidence'), sg.Slider(range=(0,1),orientation='h', resolution=.1, default_value=.5, size=(15,15), key='confidence')],
|
||||||
|
[sg.Text('Threshold'), sg.Slider(range=(0,1), orientation='h', resolution=.1, default_value=.3, size=(15,15), key='threshold')],
|
||||||
|
[sg.OK(), sg.Cancel()]
|
||||||
|
]
|
||||||
|
|
||||||
|
win = sg.Window('YOLO',
|
||||||
|
default_element_size=(14,1),
|
||||||
|
text_justification='right',
|
||||||
|
auto_size_text=False).Layout(layout)
|
||||||
|
event, values = win.Read()
|
||||||
|
args = values
|
||||||
|
win.Close()
|
||||||
|
# construct the argument parse and parse the arguments
|
||||||
|
# ap = argparse.ArgumentParser()
|
||||||
|
# ap.add_argument("-i", "--image", required=True,
|
||||||
|
# help="path to input image")
|
||||||
|
# ap.add_argument("-y", "--yolo", required=True,
|
||||||
|
# help="base path to YOLO directory")
|
||||||
|
# ap.add_argument("-c", "--confidence", type=float, default=0.5,
|
||||||
|
# help="minimum probability to filter weak detections")
|
||||||
|
# ap.add_argument("-t", "--threshold", type=float, default=0.3,
|
||||||
|
# help="threshold when applyong non-maxima suppression")
|
||||||
|
# args = vars(ap.parse_args())
|
||||||
|
|
||||||
|
# load the COCO class labels our YOLO model was trained on
|
||||||
|
args['threshold'] = float(args['threshold'])
|
||||||
|
args['confidence'] = float(args['confidence'])
|
||||||
|
|
||||||
|
labelsPath = os.path.sep.join([args["yolo"], "coco.names"])
|
||||||
|
LABELS = open(labelsPath).read().strip().split("\n")
|
||||||
|
|
||||||
|
# initialize a list of colors to represent each possible class label
|
||||||
|
np.random.seed(42)
|
||||||
|
COLORS = np.random.randint(0, 255, size=(len(LABELS), 3),
|
||||||
|
dtype="uint8")
|
||||||
|
|
||||||
|
# derive the paths to the YOLO weights and model configuration
|
||||||
|
weightsPath = os.path.sep.join([args["yolo"], "yolov3.weights"])
|
||||||
|
configPath = os.path.sep.join([args["yolo"], "yolov3.cfg"])
|
||||||
|
|
||||||
|
# load our YOLO object detector trained on COCO dataset (80 classes)
|
||||||
|
print("[INFO] loading YOLO from disk...")
|
||||||
|
net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)
|
||||||
|
|
||||||
|
# load our input image and grab its spatial dimensions
|
||||||
|
image = cv2.imread(args["image"])
|
||||||
|
(H, W) = image.shape[:2]
|
||||||
|
|
||||||
|
# determine only the *output* layer names that we need from YOLO
|
||||||
|
ln = net.getLayerNames()
|
||||||
|
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
|
||||||
|
|
||||||
|
# construct a blob from the input image and then perform a forward
|
||||||
|
# pass of the YOLO object detector, giving us our bounding boxes and
|
||||||
|
# associated probabilities
|
||||||
|
blob = cv2.dnn.blobFromImage(image, 1 / 255.0, (416, 416),
|
||||||
|
swapRB=True, crop=False)
|
||||||
|
net.setInput(blob)
|
||||||
|
start = time.time()
|
||||||
|
layerOutputs = net.forward(ln)
|
||||||
|
end = time.time()
|
||||||
|
|
||||||
|
# show timing information on YOLO
|
||||||
|
print("[INFO] YOLO took {:.6f} seconds".format(end - start))
|
||||||
|
|
||||||
|
# initialize our lists of detected bounding boxes, confidences, and
|
||||||
|
# class IDs, respectively
|
||||||
|
boxes = []
|
||||||
|
confidences = []
|
||||||
|
classIDs = []
|
||||||
|
|
||||||
|
# loop over each of the layer outputs
|
||||||
|
for output in layerOutputs:
|
||||||
|
# loop over each of the detections
|
||||||
|
for detection in output:
|
||||||
|
# extract the class ID and confidence (i.e., probability) of
|
||||||
|
# the current object detection
|
||||||
|
scores = detection[5:]
|
||||||
|
classID = np.argmax(scores)
|
||||||
|
confidence = scores[classID]
|
||||||
|
|
||||||
|
# filter out weak predictions by ensuring the detected
|
||||||
|
# probability is greater than the minimum probability
|
||||||
|
if confidence > args["confidence"]:
|
||||||
|
# scale the bounding box coordinates back relative to the
|
||||||
|
# size of the image, keeping in mind that YOLO actually
|
||||||
|
# returns the center (x, y)-coordinates of the bounding
|
||||||
|
# box followed by the boxes' width and height
|
||||||
|
box = detection[0:4] * np.array([W, H, W, H])
|
||||||
|
(centerX, centerY, width, height) = box.astype("int")
|
||||||
|
|
||||||
|
# use the center (x, y)-coordinates to derive the top and
|
||||||
|
# and left corner of the bounding box
|
||||||
|
x = int(centerX - (width / 2))
|
||||||
|
y = int(centerY - (height / 2))
|
||||||
|
|
||||||
|
# update our list of bounding box coordinates, confidences,
|
||||||
|
# and class IDs
|
||||||
|
boxes.append([x, y, int(width), int(height)])
|
||||||
|
confidences.append(float(confidence))
|
||||||
|
classIDs.append(classID)
|
||||||
|
|
||||||
|
# apply non-maxima suppression to suppress weak, overlapping bounding
|
||||||
|
# boxes
|
||||||
|
idxs = cv2.dnn.NMSBoxes(boxes, confidences, args["confidence"],
|
||||||
|
args["threshold"])
|
||||||
|
|
||||||
|
# ensure at least one detection exists
|
||||||
|
if len(idxs) > 0:
|
||||||
|
# loop over the indexes we are keeping
|
||||||
|
for i in idxs.flatten():
|
||||||
|
# extract the bounding box coordinates
|
||||||
|
(x, y) = (boxes[i][0], boxes[i][1])
|
||||||
|
(w, h) = (boxes[i][2], boxes[i][3])
|
||||||
|
|
||||||
|
# draw a bounding box rectangle and label on the image
|
||||||
|
color = [int(c) for c in COLORS[classIDs[i]]]
|
||||||
|
cv2.rectangle(image, (x, y), (x + w, y + h), color, 2)
|
||||||
|
text = "{}: {:.4f}".format(LABELS[classIDs[i]], confidences[i])
|
||||||
|
cv2.putText(image, text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,
|
||||||
|
0.5, color, 2)
|
||||||
|
|
||||||
|
# show the output image
|
||||||
|
|
||||||
|
|
||||||
|
# let img be the PIL image
|
||||||
|
img = Image.fromarray(image) # create PIL image from frame
|
||||||
|
size = img.size
|
||||||
|
size = (size[0]//4, size[1]//4)
|
||||||
|
img = img.resize(size)
|
||||||
|
bio = io.BytesIO() # a binary memory resident stream
|
||||||
|
img.save(bio, format='PNG') # save image as png to it
|
||||||
|
imgbytes = bio.getvalue() # this can be used by OpenCV hopefully
|
||||||
|
|
||||||
|
# imgbytes = cv2.imencode('.png', image)[1].tobytes() # ditto
|
||||||
|
|
||||||
|
layout = [
|
||||||
|
[sg.Text('Yolo Output')],
|
||||||
|
[sg.Image(data=imgbytes)],
|
||||||
|
[sg.OK(), sg.Cancel()]
|
||||||
|
]
|
||||||
|
|
||||||
|
win = sg.Window('YOLO',
|
||||||
|
default_element_size=(14,1),
|
||||||
|
text_justification='right',
|
||||||
|
auto_size_text=False).Layout(layout)
|
||||||
|
event, values = win.Read()
|
||||||
|
win.Close()
|
||||||
|
|
||||||
|
# cv2.imshow("Image", image)
|
||||||
|
cv2.waitKey(0)
|
|
@ -0,0 +1,207 @@
|
||||||
|
# USAGE
|
||||||
|
# python yolo_video.py --input videos/airport.mp4 --output output/airport_output.avi --yolo yolo-coco
|
||||||
|
|
||||||
|
# import the necessary packages
|
||||||
|
import numpy as np
|
||||||
|
# import argparse
|
||||||
|
import imutils
|
||||||
|
import time
|
||||||
|
import cv2
|
||||||
|
import os
|
||||||
|
import PySimpleGUI as sg
|
||||||
|
|
||||||
|
i_vid = r'videos\car_chase_01.mp4'
|
||||||
|
# o_vid = r'videos\car_chase_01_out.mp4'
|
||||||
|
y_path = r'yolo-coco'
|
||||||
|
layout = [
|
||||||
|
[sg.Text('YOLO Video Player', size=(18,1), font=('Any',18),text_color='#1c86ee' ,justification='left')],
|
||||||
|
[sg.Text('Path to input video'), sg.In(i_vid,size=(40,1), key='input'), sg.FileBrowse()],
|
||||||
|
# [sg.Text('Path to output video'), sg.In(o_vid,size=(40,1), key='output'), sg.FileSaveAs()],
|
||||||
|
[sg.Text('Yolo base path'), sg.In(y_path,size=(40,1), key='yolo'), sg.FolderBrowse()],
|
||||||
|
[sg.Text('Confidence'), sg.Slider(range=(0,1),orientation='h', resolution=.1, default_value=.5, size=(15,15), key='confidence')],
|
||||||
|
[sg.Text('Threshold'), sg.Slider(range=(0,1), orientation='h', resolution=.1, default_value=.3, size=(15,15), key='threshold')],
|
||||||
|
[sg.OK(), sg.Cancel()]
|
||||||
|
]
|
||||||
|
|
||||||
|
win = sg.Window('YOLO Video',
|
||||||
|
default_element_size=(14,1),
|
||||||
|
text_justification='right',
|
||||||
|
auto_size_text=False).Layout(layout)
|
||||||
|
event, values = win.Read()
|
||||||
|
if event is None or event =='Cancel':
|
||||||
|
exit()
|
||||||
|
args = values
|
||||||
|
|
||||||
|
win.Close()
|
||||||
|
|
||||||
|
|
||||||
|
# imgbytes = cv2.imencode('.png', image)[1].tobytes() # ditto
|
||||||
|
|
||||||
|
# load the COCO class labels our YOLO model was trained on
|
||||||
|
labelsPath = os.path.sep.join([args["yolo"], "coco.names"])
|
||||||
|
LABELS = open(labelsPath).read().strip().split("\n")
|
||||||
|
|
||||||
|
# initialize a list of colors to represent each possible class label
|
||||||
|
np.random.seed(42)
|
||||||
|
COLORS = np.random.randint(0, 255, size=(len(LABELS), 3),
|
||||||
|
dtype="uint8")
|
||||||
|
|
||||||
|
# derive the paths to the YOLO weights and model configuration
|
||||||
|
weightsPath = os.path.sep.join([args["yolo"], "yolov3.weights"])
|
||||||
|
configPath = os.path.sep.join([args["yolo"], "yolov3.cfg"])
|
||||||
|
|
||||||
|
# load our YOLO object detector trained on COCO dataset (80 classes)
|
||||||
|
# and determine only the *output* layer names that we need from YOLO
|
||||||
|
print("[INFO] loading YOLO from disk...")
|
||||||
|
net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)
|
||||||
|
ln = net.getLayerNames()
|
||||||
|
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
|
||||||
|
|
||||||
|
# initialize the video stream, pointer to output video file, and
|
||||||
|
# frame dimensions
|
||||||
|
vs = cv2.VideoCapture(args["input"])
|
||||||
|
writer = None
|
||||||
|
(W, H) = (None, None)
|
||||||
|
|
||||||
|
# try to determine the total number of frames in the video file
|
||||||
|
try:
|
||||||
|
prop = cv2.cv.CV_CAP_PROP_FRAME_COUNT if imutils.is_cv2() \
|
||||||
|
else cv2.CAP_PROP_FRAME_COUNT
|
||||||
|
total = int(vs.get(prop))
|
||||||
|
print("[INFO] {} total frames in video".format(total))
|
||||||
|
|
||||||
|
# an error occurred while trying to determine the total
|
||||||
|
# number of frames in the video file
|
||||||
|
except:
|
||||||
|
print("[INFO] could not determine # of frames in video")
|
||||||
|
print("[INFO] no approx. completion time can be provided")
|
||||||
|
total = -1
|
||||||
|
|
||||||
|
# loop over frames from the video file stream
|
||||||
|
win_started = False
|
||||||
|
while True:
|
||||||
|
# read the next frame from the file
|
||||||
|
(grabbed, frame) = vs.read()
|
||||||
|
|
||||||
|
# if the frame was not grabbed, then we have reached the end
|
||||||
|
# of the stream
|
||||||
|
if not grabbed:
|
||||||
|
break
|
||||||
|
|
||||||
|
# if the frame dimensions are empty, grab them
|
||||||
|
if W is None or H is None:
|
||||||
|
(H, W) = frame.shape[:2]
|
||||||
|
|
||||||
|
# construct a blob from the input frame and then perform a forward
|
||||||
|
# pass of the YOLO object detector, giving us our bounding boxes
|
||||||
|
# and associated probabilities
|
||||||
|
blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416),
|
||||||
|
swapRB=True, crop=False)
|
||||||
|
net.setInput(blob)
|
||||||
|
start = time.time()
|
||||||
|
layerOutputs = net.forward(ln)
|
||||||
|
end = time.time()
|
||||||
|
|
||||||
|
# initialize our lists of detected bounding boxes, confidences,
|
||||||
|
# and class IDs, respectively
|
||||||
|
boxes = []
|
||||||
|
confidences = []
|
||||||
|
classIDs = []
|
||||||
|
|
||||||
|
# loop over each of the layer outputs
|
||||||
|
for output in layerOutputs:
|
||||||
|
# loop over each of the detections
|
||||||
|
for detection in output:
|
||||||
|
# extract the class ID and confidence (i.e., probability)
|
||||||
|
# of the current object detection
|
||||||
|
scores = detection[5:]
|
||||||
|
classID = np.argmax(scores)
|
||||||
|
confidence = scores[classID]
|
||||||
|
|
||||||
|
# filter out weak predictions by ensuring the detected
|
||||||
|
# probability is greater than the minimum probability
|
||||||
|
if confidence > args["confidence"]:
|
||||||
|
# scale the bounding box coordinates back relative to
|
||||||
|
# the size of the image, keeping in mind that YOLO
|
||||||
|
# actually returns the center (x, y)-coordinates of
|
||||||
|
# the bounding box followed by the boxes' width and
|
||||||
|
# height
|
||||||
|
box = detection[0:4] * np.array([W, H, W, H])
|
||||||
|
(centerX, centerY, width, height) = box.astype("int")
|
||||||
|
|
||||||
|
# use the center (x, y)-coordinates to derive the top
|
||||||
|
# and and left corner of the bounding box
|
||||||
|
x = int(centerX - (width / 2))
|
||||||
|
y = int(centerY - (height / 2))
|
||||||
|
|
||||||
|
# update our list of bounding box coordinates,
|
||||||
|
# confidences, and class IDs
|
||||||
|
boxes.append([x, y, int(width), int(height)])
|
||||||
|
confidences.append(float(confidence))
|
||||||
|
classIDs.append(classID)
|
||||||
|
|
||||||
|
# apply non-maxima suppression to suppress weak, overlapping
|
||||||
|
# bounding boxes
|
||||||
|
idxs = cv2.dnn.NMSBoxes(boxes, confidences, args["confidence"],
|
||||||
|
args["threshold"])
|
||||||
|
|
||||||
|
# ensure at least one detection exists
|
||||||
|
if len(idxs) > 0:
|
||||||
|
# loop over the indexes we are keeping
|
||||||
|
for i in idxs.flatten():
|
||||||
|
# extract the bounding box coordinates
|
||||||
|
(x, y) = (boxes[i][0], boxes[i][1])
|
||||||
|
(w, h) = (boxes[i][2], boxes[i][3])
|
||||||
|
|
||||||
|
# draw a bounding box rectangle and label on the frame
|
||||||
|
color = [int(c) for c in COLORS[classIDs[i]]]
|
||||||
|
cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)
|
||||||
|
text = "{}: {:.4f}".format(LABELS[classIDs[i]],
|
||||||
|
confidences[i])
|
||||||
|
cv2.putText(frame, text, (x, y - 5),
|
||||||
|
cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)
|
||||||
|
|
||||||
|
# check if the video writer is None
|
||||||
|
# if writer is None:
|
||||||
|
# # initialize our video writer
|
||||||
|
# fourcc = cv2.VideoWriter_fourcc(*"MJPG")
|
||||||
|
# writer = cv2.VideoWriter(args["output"], fourcc, 30,
|
||||||
|
# (frame.shape[1], frame.shape[0]), True)
|
||||||
|
#
|
||||||
|
# # some information on processing single frame
|
||||||
|
# if total > 0:
|
||||||
|
# elap = (end - start)
|
||||||
|
# print("[INFO] single frame took {:.4f} seconds".format(elap))
|
||||||
|
# print("[INFO] estimated total time to finish: {:.4f}".format(
|
||||||
|
# elap * total))
|
||||||
|
|
||||||
|
# write the output frame to disk
|
||||||
|
# writer.write(frame)
|
||||||
|
imgbytes = cv2.imencode('.png', frame)[1].tobytes() # ditto
|
||||||
|
|
||||||
|
if not win_started:
|
||||||
|
win_started = True
|
||||||
|
layout = [
|
||||||
|
[sg.Text('Yolo Output')],
|
||||||
|
[sg.Image(data=imgbytes, key='_IMAGE_')],
|
||||||
|
[sg.Exit()]
|
||||||
|
]
|
||||||
|
win = sg.Window('YOLO Output',
|
||||||
|
default_element_size=(14, 1),
|
||||||
|
text_justification='right',
|
||||||
|
auto_size_text=False).Layout(layout).Finalize()
|
||||||
|
image_elem = win.FindElement('_IMAGE_')
|
||||||
|
else:
|
||||||
|
image_elem.Update(data=imgbytes)
|
||||||
|
|
||||||
|
event, values = win.Read(timeout=0)
|
||||||
|
if event is None or event == 'Exit':
|
||||||
|
break
|
||||||
|
|
||||||
|
|
||||||
|
win.Close()
|
||||||
|
|
||||||
|
# release the file pointers
|
||||||
|
print("[INFO] cleaning up...")
|
||||||
|
writer.release()
|
||||||
|
vs.release()
|
Loading…
Reference in New Issue