首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

为什么当我运行darknet Yolov3时,我在linux终端上得到了yolo.py中的AttributeError?

当您在Linux终端上运行darknet Yolov3时,出现yolo.py中的AttributeError错误,这通常是由于以下原因之一导致的:

  1. 依赖库问题:Yolov3使用了一些依赖库,例如OpenCV、NumPy等。请确保您已正确安装和配置了这些依赖库的版本。您可以通过在终端中运行pip list命令来检查已安装的库,并确保它们的版本与Yolov3要求的版本匹配。
  2. 文件路径问题:请检查您在yolo.py中指定的文件路径是否正确。确保您已正确设置了模型文件、配置文件和类别标签文件的路径。如果文件路径不正确,将导致AttributeError错误。
  3. 版本兼容性问题:Yolov3可能需要特定版本的Python和相关库才能正常运行。请确保您使用的Python版本与Yolov3兼容,并且相关库的版本也符合要求。

解决此错误的步骤如下:

  1. 检查依赖库:确保您已正确安装和配置了Yolov3所需的依赖库。您可以通过运行pip install命令来安装缺少的库,或者使用虚拟环境来隔离不同项目的依赖。
  2. 检查文件路径:仔细检查yolo.py中指定的文件路径是否正确。确保模型文件、配置文件和类别标签文件存在,并且路径正确。
  3. 检查版本兼容性:确保您使用的Python版本与Yolov3兼容,并且相关库的版本也符合要求。您可以查阅Yolov3的文档或官方网站,了解其所需的Python和库的版本要求。

如果您需要更具体的帮助,请提供更多关于您的环境和错误信息的详细信息,以便我们能够更准确地帮助您解决问题。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

TensorFlow + Keras 实战 YOLO v3 目标检测图文并茂教程(文末有惊喜)

日前,YOLO 作者推出 YOLOv3 版, Titan X 上训练 mAP 相当情况下,v3 速度比 RetinaNet 快 3.8 倍。...YOLO v3 实时物体检测视频: YOLO v3 与其他目标检测器比较 开始动手运行 YOLO V3: 运行步骤 1....从 YOLO 官网下载 YOLOv3 权重 wget https://pjreddie.com/media/files/yolov3.weights 下载过程如图: 2.转换 Darknet YOLO...yolo.py 需要下载一个图片,然后输入图片名称,如图所示: 并没有使用经典那张图,随便从网上找了一个,来源见图片水印: 识别效果: 项目地址:https://github.com/qqwweee...关注我们历史文章,和小编一起畅游深度学习世界

1.4K30

10分钟学会使用YOLO及Opencv实现目标检测(上)|附源码

闲话少叙,下面进入教程主要内容。 本教程,将学习如何使用YOLO、OpenCV和Python检测图像和视频流对象。...本文使用YOLOv3,并在COCO数据集上进行训练。 COCO数据集由80个标签组成,可以使用此链接找到YOLOCOCO数据集上训练内容完整列表。...目录(按重要性顺序)是: yolo - coco / :YOLOv3对象检测器预先(COCO数据集上)训练得到最终权重文件,可以Darknet团队主页找到对应文件; images / :此文件夹包含四个静态图像...首先,导入所需数据包——OpenCV和NumPy。现在解析四个命令行参数,命令行参数在运行时处理,允许我们从终端更改脚本输入。如果你对其不熟悉,建议阅读相关内容。...及以上才能运行此代码,因为它需要加载YOLO所需更新 dnn模块。

12.3K64

手把手教你用深度学习做物体检测(三):模型训练

上篇文章《手把手教你用深度学习做物体检测(二):数据标注》已经介绍了如何准备我们训练模型需要用到数据,上篇文章中有个需要注意地方就是在生成yolov3所需格式文件,务必unbuntu下生成,...之前windows下生成然后传到ubuntu上去,其中路径需要手动修改成unbuntu下路径,而且后面unbuntu下训练时候会遇到编码问题导致报错。...数据准备好之后,我们需要找一个基于yolov3算法实现成熟训练框架,网上有很多文章都提及到了下面这三个项目: https://github.com/qqwweee/keras-yolo3 ,基于keras...-确保VOCdevkit目录路径同2007_test.txt、2007_train.txt两个文件记录图片路径所在目录一致。 -接下来,打开终端,输入训练命令: ....关于中文乱码和置信度缺失问题,由于本篇文章已经够长了,所以将会在下一篇《手把手教你用深度学习做物体检测(四):模型使用》中进行阐述,下一篇文章,我们会基于python来实现一个模型使用程序,以及为什么非要用

1.3K20

死嗑YOLO系列(三),YOLOv3风月无边

YOLOv2 时候,作者 YOLOv1 基础上运用了许多有效 tricks,所以展示了它 better、faster、stronger 因素,到了 YOLOv3 时候,这个模型仍然进化,保持速度同时...bw​=pw​∗etw 曾经搞不懂,为什么要弄这么奇怪指数函数进去,有没有多此一举,直接预测不好吗?...后来,想了一下,大概有 2 个原因: 原因1:直接预测 bw,会有负数,而宽高信息不会是负责,ex 函数可以保证值 > 0 原因2:指数函数求导非常方便,反向传播训练是个好东西 至于 bx 为什么要引入...复现 YOLOv3 有几个要求: 对于输入数据处理,这个容易实现 对于 Darknet-53 复现,这个也容易 对于 YOLOv3 检测网络复现,这个非常难,不看代码是做不到 YOLOv3 训练超参数设计...但我认为这种痛苦是值得,YOLO 论文中讲得不明不白地方,全部 Darknet 代码能够体现。

72130

手把手教你用深度学习做物体检测(一): 快速感受物体检测酷炫

如上图所示, 物体检测就是需要检测出图像中有哪些目标物体,并且框出其图像位置。...本篇文章,将会介绍如何利用训练好物体检测模型来快速实现上图效果,这里我们将会用到基于coco数据集训练yolov3模型,该模型能识别80类物品,具体如下: 人 自行车 汽车 摩托车 飞机 公共汽车...第三步:下载yolov3.weights,这个文件是darknet预训练好yolov3模型,可以检测coco数据集中涵盖80类物体。...,然后将上面的代码gpu_num改为你GPU号(可以使用nvidia-smi命令查看),并注意加入对GPU显存使用控制即可,这里为了快速体验物体检测效果,就不再对GPU下运行程序做过多介绍,虽然...除了图片检测,还可以对视频进行检测,修改yolo.py最后一行,将图片检测注释掉,放开视频检测注释,然后执行yolo.py即可,下面是检测效果: ?

1.4K61

YOLO目标检测,训练自己数据集(识别海参)

这篇文章是训练YOLO v2过程经验总结,使用YOLO v2训练一组自己数据,训练后model,阈值为.25情况下,Recall值是95.54%,Precision 是97.27%。...ImageSets文件夹,新建三个空文件夹Layout、Main、Segmentation,然后把写了训练或测试图像名字文本拷到Main文件夹下,按目的命名,这里所有图像用来训练,故而Main...图像标注 2.标记图像目标区域 python代码直接运行之后开始标注, 因为做是目标检测,所以接下来需要标记原始图像目标区域。...用YOLOv2训练 按darknet说明编译好后,接下来darknet-master/scripts文件夹中新建文件夹VOCdevkit,然后将整个VOC2007文件夹都拷到VOCdevkit文件夹下...3.运行YOLO 目标检测 python yolo.py 需要下载一个图片,然后输入图片名称,如图所示: ? 并没有使用经典那张图,随便从网上找了一个,来源见图片水印: ? 识别效果: ?

2.4K20

【史上最有趣论文】物体检测经典模型YOLO新升级,就看一眼,速度提升 3 倍!

更新版YOLO网络比上一版本稍大,但更准确。它速度也还是很快,这点不用担心。320 × 320下,YOLOv3以22.2 mAP22 ms运行完成,达到与SSD一样精确度,但速度提高了3倍。...图1:这张图是从Focal Loss论文[7]拿来并修改YOLOv3运行速度明显快于其他性能相似的检测方法。运行时间来自M40或Titan X,基本上用是相同GPU。...当时,以mAP“旧”检测指标比较,当IOU = 0.5(或表AP50)YOLOv3非常强大。它性能几乎与RetinaNet相当,并且远高于SSD变体。...但是,现在我们看到了这种情况已经改变。由于新多尺度预测方法,我们看到YOLOv3具有相对较高APS性能。但是,它在中等尺寸和更大尺寸物体上表现相对较差。...图3 一些试了没用方法 我们研究YOLOv3尝试了很多方法。很多都不起作用。这些可以了解一下。 Anchor box x,y 偏移量预测。

909150

YOLO v3

作者YOLOv2基础上进行了改进,分辨率为320x320YOLOv3能在22ms下mAP达到28.2,并且达到了和SSD同样精度。...训练过程,我们使用二元交叉熵损失进行类预测。当我们转移到更复杂领域,比如Open Images Dataset,这种形式会有所帮助。在这个数据集中有许多重叠标签(即女人和人)。...3.跨尺度预测YOLOv33个不同尺度上预测box。我们系统使用与特征金字塔网络相似的概念从这些尺度中提取特征。从基本特征提取器,我们添加了几个卷积层。...4.特征提取使用一个新网络来执行特征提取,新网络是YOLOv2、Darknet-19使用网络和那些新奇残余网络之间混合方法。...每个网络训练使用相同设置和测试256×256,单一crop准确性。Titan X运行时间测量X 256×256。因此,Darknet-53与最先进分类器性能相当,但浮点运算更少,速度更快。

1.7K40

【史上最有趣论文】物体检测经典模型YOLO新升级,就看一眼,速度提升 3 倍!

更新版YOLO网络比上一版本稍大,但更准确。它速度也还是很快,这点不用担心。320 × 320下,YOLOv3以22.2 mAP22 ms运行完成,达到与SSD一样精确度,但速度提高了3倍。...图1:这张图是从Focal Loss论文[7]拿来并修改YOLOv3运行速度明显快于其他性能相似的检测方法。运行时间来自M40或Titan X,基本上用是相同GPU。...当时,以mAP“旧”检测指标比较,当IOU = 0.5(或表AP50)YOLOv3非常强大。它性能几乎与RetinaNet相当,并且远高于SSD变体。...但是,现在我们看到了这种情况已经改变。由于新多尺度预测方法,我们看到YOLOv3具有相对较高APS性能。但是,它在中等尺寸和更大尺寸物体上表现相对较差。...图3 一些试了没用方法 我们研究YOLOv3尝试了很多方法。很多都不起作用。这些可以了解一下。 Anchor box x,y 偏移量预测。

1.3K80

目标检测(object detection)系列(九) YOLOv3:取百家所长成一家之言

,文章自己也提到了:“We made a bunch of little design changes to make it better”,YOLOv3论文是《YOLOv3: An Incremental...╮( ̄▽  ̄)╭ 多层分支 多层拉去分支策略终于YOLOv3到了,其实在YOLOv2,多层特征就已经被使用了,但是使用方式并不直接,它是一种不同层特征图拼接,让最后一层具有不同特征,具体可以参考之前文章...YOLOv3分支有三个,分别是第三个残差组后面的卷积输出,第四个残差组后面的卷积输出和最后卷积输出,当输入时416,它们特征图尺寸分别是52×52×25652\times52\times25652...YOLOv3为什么对小目标检测效果有提升?...用upsample替换了reshape,让特征channel上没有形变; YOLOv3多层分支后还有多层卷积,缓解了特征图尺寸足够,但是语义信息不足情况; YOLOv3archor输出达到了106747

6.1K51

KerasTensorflow+python+yolo3训练自己数据集

大家好,又见面了,是你们朋友全栈君。...当物体占画面比例较小,如图像包含畜群或鸟群,每个格子包含多个物体,但却只能检测出其中一个。 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。...当物体占画面比例较小,如图像包含畜群或鸟群,每个格子包含多个物体,但却只能检测出其中一个 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。...当物体占画面比例较小,如图像包含畜群或鸟群,每个格子包含多个物体,但却只能检测出其中一个。 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。...分割—————————————– 网站禁止给你评论回复了, 你看这,6.25回复: 先声明一下,quick start步骤: 1、Download YOLOv3 weights from YOLO

31920

YOLOv3比原作高10个点,飞桨更新至73个视觉算法、203个预训练模型

随着防控措施效果显现,新冠疫情在全国范围内已经得到了控制。当我们走进地铁与车站,甚至很多小区与超市,都会看到口罩人脸检测系统与红外测温系统,这些都是人工智能在疫情控制方面给出独到帮助。... COCO 数据集上,骨干网络 DarkNet 作者在其论文中所使用 YOLOv3 模型验证精度 mAP 为 33.0%,而飞桨之前版本中曾经发布过基于 DarkNet53 YOLOv3...最新 PaddleDetection 检测库,飞桨对 YOLOv3 又做了如下改进,使得验证精度 mAP 再次提高到 43.2%,并且推理速度提升 21%。...架构上,YOLOv3 采用了 Darknet-53,并借鉴了残差神经网络思路,采用了残差连接,从而更好地学习图像特征。那么,飞桨团队为什么能优化 10 个点精度,且还提升训练推理速度?...首先,飞桨团队将 YOLOv3 骨干网络从 DarkNet 更换为 ResNet50-VD 类型。

71930

YOLO升级到v3版,检测速度比R-CNN快1000倍

用一个预训练模型进行检测 接下来,我们将使用一个预训练模型, YOLO系统实现目标检测。首先,请先确认你已安装了 Darknet 。...检测多张图像 相比于命令行写入一张图像信息,你可以尝试一行命令运行多张图片。随后,模型会加载配置和权重,你将看到如下提示: ....如果 OpenCV 可以直接读取视频数据,那么你也可以视频文件运行如下命令: ....需要在 Darknet scripts/ 子目录下运行 voc_label.py 脚本来生成这些文件。...修改 Pascal Data cfg 文件 现在,我们 Darknet 目录,改变 cfg/voc.data 配置文件并使其指向我们数据,运行如下命令: 1 classes= 20 2

6.5K30

目标检测(object detection)系列(九) YOLOv3:取百家所长成一家之言

,最后效果还是很好,文章自己也提到了:“We made a bunch of little design changes to make it better”,YOLOv3论文是《YOLOv3:...╮( ̄▽  ̄)╭ 多层分支 多层拉取分支策略终于YOLOv3到了,也可以说这其实是一种FPN结果,YOLOv2,多层特征就已经被使用了,但是使用方式并不直接,它是一种不同层特征图拼接,让最后一层具有不同特征...YOLOv3分支有三个,分别是第三个残差组后面的卷积输出,第四个残差组后面的卷积输出和最后卷积输出,当输入时416,它们特征图尺寸分别是 , 和 。...定性分析 YOLOv3为什么对小目标检测效果有提升?...,让特征channel上没有形变; YOLOv3多层分支后还有多层卷积,缓解了特征图尺寸足够,但是语义信息不足情况; YOLOv3archor输出达到了106747个。

37420

通用目标检测YOLO V3

mAP值为0.5 IOUYOLOv3与Focal Loss相当,但速度约快4倍。 此外,您只需更改模型大小即可轻松速度和精度之间进行权衡,而无需重新训练!...与基于分类器系统相比,我们模型具有多个优势。 它在测试查看整个图像,因此其预测由图像全局上下文提供。...我们不使用softmax,因为我们发现它不需要良好性能,而是仅使用独立逻辑分类器。 训练过程,我们使用二元交叉熵损失进行类别预测。 2.3跨尺度预测 YOLOv3预测3种不同比例盒子。...image.png 每个网络都经过相同设置训练,并以256×256单作物精度进行测试。 运行时间是Titan X上以256×256进行测量。...我们使用Darknet神经网络框架进行培训和测试[14]。 过去,YOLO一直努力处理小物件。 但是,现在我们看到了这种趋势逆转。

73783

使用OpenCV进行颜色分割

计算机视觉主要有3种不同图像分割类型: 1.颜色分割或阈值分割 2.语义分割 3.边缘检测 本文里,我们将介绍基于颜色图像分割,并通过OpenCV将其实现。...小伙伴可能会问,当我们拥有像Caffe和Keras这样工具为什么要使用拥有21年历史OpenCV库。...跨框架进行图像分类任务CPU性能比较 即使使用最著名神经网络框架之一YOLOv3进行对象检测时,其运行速度也是不尽如人意。...OpenCV和Darknet上进行YOLOv3培训CPU性能 颜色分割可用于检测身体肿瘤、从森林或海洋背景中提取野生动物图像,或者从单一背景图像中提取其他彩色物体。...hsv = cv.cvtColor(blur2, cv.COLOR_BGR2HSV) 这个操作看似很小,但当我们尝试找到要提取阈值或像素范围,它会使我们工作变得更加简单。

2.5K21

如何用YOLO+Tesseract实现定制OCR系统?

然而,必须注意是,单点检测器检测较小物体表现不佳。SSD 和 YOLO 就是单点检测器。 选择目标检测器,通常会在速度和精度之间进行权衡。...当你看到平均损失'0.xxxxxx avg'一定次数迭代后不再减少时,你应该停止训练。正如你在下面的图表中看到,当损失变为常数停止了 14200 次迭代。 ?...损失曲线 从上一个权重文件获得最佳结果并不总是这样。第 8000 次迭代到了最好结果。你需要根据 mAP(平均精度)得分对它们进行评估。选择具有最高分数权重文件。...所以现在,当你一个样本图像上运行这个检测器,你将得到检测到文本字段边界框,从中你可以很容易地裁剪该区域。 ?...现在你可以输出文件夹以 CSV 文件形式看到 OCR 结果。检测自定义 OCR ,可能需要更改图像大小。为此,请调整 locate_asset.py 文件 basewidth 参数。

1.6K10

如何用YOLO+Tesseract实现定制OCR系统?

然而,必须注意是,单点检测器检测较小物体表现不佳。SSD 和 YOLO 就是单点检测器。 选择目标检测器,通常会在速度和精度之间进行权衡。...当你看到平均损失'0.xxxxxx avg'一定次数迭代后不再减少时,你应该停止训练。正如你在下面的图表中看到,当损失变为常数停止了 14200 次迭代。 ?...损失曲线 从上一个权重文件获得最佳结果并不总是这样。第 8000 次迭代到了最好结果。你需要根据 mAP(平均精度)得分对它们进行评估。选择具有最高分数权重文件。...所以现在,当你一个样本图像上运行这个检测器,你将得到检测到文本字段边界框,从中你可以很容易地裁剪该区域。 ?...现在你可以输出文件夹以 CSV 文件形式看到 OCR 结果。检测自定义 OCR ,可能需要更改图像大小。为此,请调整 locate_asset.py 文件 basewidth 参数。

2.9K20
领券