## YOLOV3:You Only Look Once目标检测模型在Pytorch当中的实现
---
### 目录
1. [性能情况 Performance](#性能情况)
2. [所需环境 Environment](#所需环境)
3. [文件下载 Download](#文件下载)
4. [预测步骤 How2predict](#预测步骤)
5. [训练步骤 How2train](#训练步骤)
6. [参考资料 Reference](#Reference)
### 性能情况
| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |
| :-----: | :-----: | :------: | :------: | :------: | :-----: |
| COCO-Train2017 | [yolo_weights.pth](https://github.com/bubbliiiing/yolo3-pytorch/releases/download/v1.0/yolo_weights.pth) | COCO-Val2017 | 416x416 | 38.0 | 67.2
### 所需环境
torch == 1.2.0
### 文件下载
训练所需的yolo_weights.pth可以在百度云下载。
链接: https://pan.baidu.com/s/1ncREw6Na9ycZptdxiVMApw
提取码: appk
### 预测步骤
#### 1、使用预训练权重
a、下载完库后解压,在百度网盘下载yolo_weights.pth,放入model_data,运行predict.py,输入
```python
img/street.jpg
```
可完成预测。
b、利用video.py可进行摄像头检测。
#### 2、使用自己训练的权重
a、按照训练步骤训练。
b、在yolo.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;**model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类**。
```python
_defaults = {
"model_path": 'model_data/yolo_weights.pth',
"anchors_path": 'model_data/yolo_anchors.txt',
"classes_path": 'model_data/coco_classes.txt,
"score" : 0.5,
"iou" : 0.3,
# 显存比较小可以使用416x416
# 显存比较大可以使用608x608
"model_image_size" : (416, 416)
}
```
c、运行predict.py,输入
```python
img/street.jpg
```
可完成预测。
d、利用video.py可进行摄像头检测。
### 训练步骤
1、本文使用VOC格式进行训练。
2、训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
3、训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
4、在训练前利用voc2yolo3.py文件生成对应的txt。
5、再运行根目录下的voc_annotation.py,运行前需要将classes改成你自己的classes。**注意不要使用中文标签,文件夹中不要有空格!**
```python
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
```
6、此时会生成对应的2007_train.txt,每一行对应其**图片位置**及其**真实框的位置**。
7、**在训练前需要务必在model_data下新建一个txt文档,文档中输入需要分的类**,示例如下:
model_data/new_classes.txt文件内容为:
```python
cat
dog
...
```
8、**修改utils/config.py里面的classes,使其为要检测的类的个数**。
9、运行train.py即可开始训练。
### mAP目标检测精度计算更新
更新了get_gt_txt.py、get_dr_txt.py和get_map.py文件。
get_map文件克隆自https://github.com/Cartucho/mAP
具体mAP计算过程可参考:https://www.bilibili.com/video/BV1zE411u7Vw
### Reference
https://github.com/qqwweee/keras-yolo3
https://github.com/eriklindernoren/PyTorch-YOLOv3
https://github.com/BobLiu20/YOLOv3_PyTorch
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
1、资源内容:YOLOv3目标检测数据集-识别常见家居物体,包含数据集制作脚本和自动标注脚本+源代码+文档说明 2、代码特点:内含运行结果,不会运行可私信,参数化编程、参数可方便更改、代码编程思路清晰、注释明细,都经过测试运行成功,功能ok的情况下才上传的。 3、适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 4、作者介绍:某大厂资深算法工程师,从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年;擅长计算机视觉、 目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验,更多源码,请上博主主页搜索。 -------------------------------------------------------------------------- -
资源推荐
资源详情
资源评论
收起资源包目录
YOLO_V3-main.zip (55个子文件)
YOLO_V3-main
train
train.py 10KB
__pycache__
yolo_training.cpython-36.pyc 11KB
train.cpython-36.pyc 6KB
yolo_training.py 17KB
.asset
Screenshot from 2021-01-21 16-49-31.png 13KB
utils
utils.py 9KB
simhei.ttf 9.3MB
home_obstacle_classes.txt 44B
dataloader.py 4KB
coco_classes.txt 625B
loss_graph.py 613B
__pycache__
dataloader.cpython-36.pyc 4KB
config.cpython-36.pyc 371B
utils.cpython-36.pyc 6KB
voc_classes.txt 134B
config.py 257B
nets
yolo3.py 3KB
darknet.py 3KB
__pycache__
yolo3.cpython-36.pyc 3KB
darknet.cpython-36.pyc 3KB
代码调试问题汇总.md 4KB
.idea
codeStyles
codeStyleConfig.xml 149B
vcs.xml 180B
misc.xml 195B
inspectionProfiles
profiles_settings.xml 174B
modules.xml 292B
yolo3-pytorch-master.iml 484B
.gitignore 47B
常见问题汇总.md 19KB
predict
predict.py 631B
video.py 989B
__pycache__
yolo.cpython-36.pyc 5KB
predict.cpython-36.pyc 444B
yolo.py 8KB
test
guo1.py 6KB
guo.py 17KB
fund.py 11KB
net_test.py 12KB
test.py 700B
.gitignore 260B
mAP
get_dr_txt.py 3KB
main.py 34KB
getGtTxt.py 2KB
getDrTxt.py 4KB
get_gt_txt.py 1KB
get_map.py 36KB
README.md 3KB
HomeObstacleDataset
2021_val.txt 0B
2.jpg 268KB
chw.txt 621KB
2021_trainval.txt 497KB
DataProductionTool.py 10KB
2021_test.txt 124KB
separateDatasets.py 1KB
2021_train.txt 497KB
共 55 条
- 1
资源评论
机器学习的喵
- 粉丝: 491
- 资源: 1259
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