# yolo-v1-demo
基于Pytorch实现的Yolo V1
使用ResNet34简化模型结构,并引入Dropout层减少过拟合。
## 如何使用
### 准备
准备数据集,此处以VOC 2012为例,解压并放入data目录中
```
D:\CODE\YOLO-V1-DEMO\DATA
└─VOC2012
├─Annotations
├─ImageSets
│ ├─Action
│ ├─Layout
│ ├─Main
│ └─Segmentation
├─JPEGImages
├─SegmentationClass
└─SegmentationObject
```
运行`preprocessing.py`
```shell
python preprocessing.py
```
运行后将在同级目录下生成img, label两个目录,并有train.txt, test.txt两个文件
```
D:\CODE\YOLO-V1-DEMO\DATA
├─img
├─label
└─VOC2012
├─Annotations
├─ImageSets
│ ├─Action
│ ├─Layout
│ ├─Main
│ └─Segmentation
├─JPEGImages
├─SegmentationClass
└─SegmentationObject
```
### 安装与运行
安装依赖
```shell
pip install -r requirements.txt
```
设置参数,见主程序开头
```python
# 初始化参数
# EPOCHS: 总的训练次数
# HISTORICAL_EPOCHS: 历史训练次数,用于模型的加载
# - -1表示最近一次训练的模型
# - 0表示不加载历史模型
# - >0表示对应训练次数的模型
# SAVE_EVERY: 保存频率,每训练多少次保存一次
# BATCH_SIZE: 每次喂入的数据量
# LR: 学习率
EPOCHS = 50
HISTORICAL_EPOCHS = -1
SAVE_EVERY = 5
BATCH_SIZE = 4
LR = 1e-4
```
除此之外,其他文件开头也有自定义参数,可根据需要自行调整。
启动Visdom
```shell
python -m visdom.server
```
运行主程序
```shell
python main.py
```
### 可视化展示
进入[http://localhost:8097](http://localhost:8097)查看可视化训练过程
![](example/可视化.png)
### 测试
运行`show_yolo.py`展示Yolo的训练效果,默认使用最后一次训练的模型,并展示数据集从下标0开始的10张图片,可根据需要自行调整
生成的效果图片默认位于`output/img`目录下,其中前缀为pred、target的图片分别表示预测图片和真实图片,下标一一对应
```shell
python show_yolo.py
```
## 介绍
### 目录结构
- `dataset.py`:数据集
- `main.py`: 主程序
- `preprocessing.py`:预处理
- `show_yolo.py`:训练结果展示
- `util.py`:工具类
- `yolo_v1_loss_vectorization.py`:矢量化的Yolo V1 loss计算
- `yolo_v1_loss.py`:非矢量化的loss计算
- `yolo_v1.py`:Yolo V1主模型,采用ResNet34代替支撑结构
- `show_camera.py`: 调用摄像头实时进行检测
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
基于Pytorch实现的Yolo V1.zip (24个子文件)
yolo-v1-demo-main
yolo_v1.py 2KB
show_yolo.py 3KB
.gitattributes 66B
util.py 14KB
main.py 6KB
dataset.py 4KB
preprocessing.py 6KB
yolo_v1_loss.py 6KB
yolo_v1_loss_vectorization.py 9KB
requirements.txt 89B
show_camera.py 1KB
.gitignore 59B
__pycache__
yolo_v1_loss.cpython-38.pyc 3KB
main.cpython-38.pyc 2KB
yolo_v1_loss_vectorization.cpython-38.pyc 4KB
util.cpython-38.pyc 9KB
yolo_v1_loss_v3.cpython-38.pyc 5KB
yolo_v1.cpython-38.pyc 2KB
dataset.cpython-38.pyc 4KB
show_yolo.cpython-38.pyc 2KB
yolo_v1_loss_v2.cpython-38.pyc 4KB
example
Screenshot 2021-10-30 114129.png 118KB
可视化.png 1.43MB
README.md 3KB
共 24 条
- 1
资源评论
Nowl
- 粉丝: 1w+
- 资源: 3891
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功