Yolo到keras到coreml：获得信心和坐标作为输出 ❓问题

嗨， 采取了以下步骤

我用一个类对yolo tiny进行了定制数据集的培训

已将.weights（暗色）转换为.h5（keras）（已验证，keras模型运行良好）

现在，当我将Keras转换为coreml模型时，我并没有得到坐标和置信度作为输出

用于转换为核心ml的命令

coremltools.converters.keras.convert(
'model_data/yolo.h5',
 input_names='image',
 class_labels=output_labels,
 image_input_names='image',
 input_name_shape_dict={'image': [None, 416, 416, 3]}
 )

尽管我已经检查了第三方Yolo模型，该模型转换为core ml，提供了坐标和信心

请参阅屏幕截图：

第三方Yolo型号转换为core ml

coremltools.converters.keras.convert(
'model_data/yolo.h5',
 input_names='image',
 class_labels=output_labels,
 image_input_names='image',
 input_name_shape_dict={'image': [None, 416, 416, 3]}
 )

my Yolo模型转换为core ml

coremltools.converters.keras.convert(
'model_data/yolo.h5',
 input_names='image',
 class_labels=output_labels,
 image_input_names='image',
 input_name_shape_dict={'image': [None, 416, 416, 3]}
 )

系统信息

• Keras==2.1.5

• coremltools==3.3

---

不要添加此项：

class\u labels=output\u labels

——它将使您的核心ML模型成为一个分类器，在核心ML中对其进行特殊处理。因为您的模型是一个对象检测器，所以您不希望这样

其余的请看这里：

---

基本上，您需要自己用Swift或Obj-C代码解码边界框坐标。您也可以将其添加到模型中，但根据我的经验，这要慢一些。（这里有一个演示如何对SSD执行此操作的示例，它与YOLO类似，但并不完全相同。）

因此我尝试了博客文章中提到的步骤，坦率地说，这对初学者来说是压倒性的2个问题：1）有没有一条捷径2）如何为YOLO执行此操作？捷径是使用我提到的YOLO CoreML MPSNNGraph repo中的代码。这也是最好的方法。