在我之前的博客中，我们已经看到了如何将tensorflow和yolo的对象检测技术与SAP Leonardo机器学习基金会一起应用到企业环境中。现在我们将详细了解如何使用yolo实现定制对象检测以创建智能解决方案，特别是如何使用定制数据集培训定制对象检测器，并将其作为运行在SAP云平台Cloud Foundry上的RESTful API，由您的智能解决方案通过松散耦合的HTTP（s）使用智能企业目标检测博客系列：
智能企业现成的目标检测基于Tensorflow的智能企业目标检测用YOLO进行智能企业目标检测（本博客）
YOLO目标检测概述
你只看一次（YOLO）是最先进的，实时目标检测系统。请看一看Joseph Redmon在TED演讲中关于计算机如何学会立即识别目标的鼓舞人心的视频。以及Adrew Ng关于YOLO算法的介绍视频。
有关YOLO的更多详细信息，你可以参考它的官方网站
用YOLO训练定制的物体探测器
为了训练你自己的物体探测器，你需要准备训练的数据集，包括目标物体的图像，并在图像中标记物体。这里还有我的read-to-use shoe数据集（包括图像和yolo标签文件），您可以跳过步骤1和步骤2。
在我的情况下，我们需要能够在SMB Market Place解决方案中检测鞋子，以便通过Facebook Messenger通过照片找到匹配鞋子的智能在线购物体验。所以我需要一个鞋类图片的数据集，我可以很容易地从谷歌搜索"鞋"的图片找到。
要批量下载图片，我使用了谷歌chrome扩展名为Fatkun Batch download Image。
从谷歌搜索结果中取消选择没有鞋的图片和纸箱图片（没有JPG格式）。单击"更多选项"按钮，将格式为"shoes{NO000}.JPEG"的图像重命名为附加屏幕，南京大数据，将图像保存为shoes{NO000}.JPEG~ shoe{999.JPEG一些提示：1） 。将图像保存为适当的格式。在我的例子中，注释工具（在我的例子中）随后需要JPEG格式。2） 。训练数据集中的图像（角度、背景等）越接近案例中输入的真实图像，检测结果就越准确。3） 。您可能需要从300~600图像每类相对非常好的检测结果预期。它可能需要从不同的角度和背景获得更多的图像才能有一个近乎完美的检测。我下载了600张图片（540张用于培训，60张用于测试）。单击保存图像按钮，中国云，然后您将下载图像。我们将图片文件夹重命名为"数据集"。
现在您需要使用annotation tool在图片上标记鞋类的精确边界框，从而对所有下载的图片进行批注。
在我的例子中，我使用LabelImg为鞋类图片加上YOLO格式的标签，它支持VOC Pascal和YOLO格式。只需将yolo输出txt文件保存在图像（数据集）的同一文件夹中即可。
因此，所有图像都会创建yolo格式注释。yolo注释示例如下：
生成\u列_列表.py：生成用于训练和测试的图像列表。本步骤中使用generate_anchors_yolo_v3：为训练数据集生成具有K均值的yolo v3锚框。将在步骤6中使用py：为训练数据集生成带有K均值的yolov2锚框。将在步骤6
中使用，只需运行以下命令。
[可选]如果您想在MS COCO数据集上使用预训练模型进行YOLO对象检测，您可以按照手册中的步骤下载yolov3.weights并使用命令
运行检测器如果您运行的是Windows机器，手机免费建站，你可以参考这个叉子。
因此，黑暗/培训包含了所有与培训相关的材料。
这一步对于成功的培训非常重要，使用训练数据集
为yolo v3重新计算锚定框：
请运行training文件夹中的generate\u anchors\u yolo\u v3.py以K-Mean重新计算锚定框。在yolo v3配置中需要10个锚定。
python generate\u anchors\u yolo\u v3.py-filelist-num\u集群中生成
例如：
结果，锚点在./anchors/anchors10.txt中生成，这将在步骤7中使用。
对于yolo v2：
如果您在yolo v2之后，请改用generate_anchors_yolo_v2.py.
python generate_anchors_yolo_v2.py-filelist train_列表.txt-num_clusters 5.
默认的yolo v2配置需要5锚定装置结果，锚定在./anchors/anchors5.txt中生成，在步骤7中使用
示例：
cfg/yolov3.cfg:MS COCO数据集的yolo v3配置文件，用于训练和检测数据/椰子的名字：MS COCO数据集的标签名称列表数据/可可数据：培训配置形成COCO数据集。
我们需要创建自己的cfg、名称和数据文件，用于自定义目标检测。
对于yolo v3:
1）。准备yolo配置文件（.cfg）
复制yolov3-voc.cfg公司在darknet/cfg文件夹中，并将其重命名为yolov3_鞋.cfg
cfg文件定义yolo的CNN。更新以下选项
第2~7行：
对测试的批和细分进行注释，对训练取消注释
