L'ensemble de ce code est expliqué et commenté dans la série "Yolo" faite sur la chaine Youtube L42Project (cf Playlist Yolo)
Cette version de yolo lit un dataset dont la description des images est dans des xmls (fait avec LabelImg par exemple, cf ce tutoriel); mettre le repertoire contenant les données dans le fichier config.py
Si nécessaire, modifier les options du fichier config.py
Utiliser kmeans_anchors.py pour avoir les tailles de boites optimales (et corriger config.py)
Lancer l'entrainement avec train.py
Le programme d'entrainement affiche une mesure de précision tout au long de l'entrainement mais vous pouvez refaire une mesure avec la commande map.py
Vous pouvez faire des inférences avec :
- inference_image.py : permet de faire des inférences sur des images en précisant un répertoire
- inference_camera.py : inférence sur votre cam
- inference_youtube.py : inférence sur une vidéo youtube
- stats_dataset.py : donne des statistiques sur votre dataset