# chef_hats

**Repository Path**: docca0/chef_hats

## Basic Information

- **Project Name**: chef_hats
- **Description**: 厨师帽检测
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-02-27
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# chef_hats

一 Data augmentation：

    将标注好的xml文件放在data_augmentation\hat_xml\目录下,

    原始的image data放在data_augmentation\raw_image\目录下

    运行apps目录下data_preprocess.py,得到增强后的数据image和xml文件

    说明：

        xml文件默认输出在目录data_augmentation\hat_xml\下

        image默认输出在目录data_augmentation\auged_image\下

        data_preprocess.py三步：

        1 转换xml文件中的原始图像路径,覆盖原来的xml文件

        2 Image data augmentation,若未指定xml的路径,则增强后的xml输出到原文件夹

        3 convert to train list txt,将增强后的数据按比例划分为训练集和测试集并输出为train_list_txt文件

          train list txt(each line in the txt includes the image path and box information)

二 Training

      1 train_list.txt设置好以后, 先运行kmeans.py，生成该数据集对应的yolo_anchors，然后放在/model_data/.
      2 运行train.py训练
        先冻结前185层训练50个epoch,再全部解除冻结进行训练。
  
三 Test：

      设置好路径,运行 ：
      apps/yolo_detect_image;
      yolo_video