keras-yolo-for-k210

Win完成：制作数据集、训练yolo、转换成k210可用的Kmodel文件

1安装anaconda3

2下载工具

下载此工程，在工程根目录下将[train_ann.zip]和[train_img.zip]解压到当前文件夹

下载ncc工具箱 将[ncc_0.1_win.zip]放置在工程根目录，解压到当前文件夹

-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -*-

3准备环境

Anaconda 命令行，进入工程根目录：

*中国地区建议先给anaconda和pip换源,参照：https://blog.csdn.net/leviopku/article/details/80113021

新建环境： [$ conda create -n yolo python=3.6]

激活环境： [$ conda activate yolo]

安装必要软件包： [(yolo) $ pip install -r requirements.txt]

-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -*-

4修改参数

在[configs.json]中修改网络类型，lable标签（如raccoon），和其他参数 注意存放图片(train_img)和存放注释(train_ann)的文件夹名称

-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -*-

5如果只有自己的样本图片(任意尺寸都可以)，还没有VOC格式的xml注释文件，可使用根目录下的[labelImg.exe]进行注释：

先将图片放在train_img文件夹

Open Dir--->选择存放图片的文件夹(train_img) 

Change Save Dir--->选择存放注释文件夹(train_ann)

Create RectBox--->框选要标注的物体并输入lable，和上文configs中的相同（如raccoon）

Save后点下一个(Next Image)
会自动生成标注的目标位置的xml文件保存在注释文件夹中

6开始训练：

[(yolo) $ python train.py -c configs.json]

等待训练结束，会出现时间命名的文件夹，里面的tflite文件就是训练好的模型,重命名(如：test.tflite)并复制到工程根目录 或者使用keras-yolo3

7转换成Kmodel：

[(yolo) $ ncc_0.1_win\ncc test.tflite test.kmodel -i tflite -o k210model --dataset train_img]

转换完成根目录会出现test.kmodel，即可烧录进k210中运行

8# 运行

maixpy程序见(maixpy_code)文件夹，如有修改configs记得修改对应的archor、图像大小(224*224)、lable