## [TensorFlow2.x-YOLOv3](https://github.com/YunYang1994/cv-notebooks/blob/master/ai_algorithm/YOLOv3.md)
--------------------
A minimal tensorflow implementation of YOLOv3, with support for training, inference and evaluation.
## Installation
--------------------
Install requirements and download pretrained weights
```
$ pip3 install -r ./docs/requirements.txt
$ wget https://pjreddie.com/media/files/yolov3.weights
```
## Quick start
--------------------
In this part, we will use pretrained weights to make predictions on both image and video.
```
$ python image_demo.py
```
<p align="center">
<img width="100%" src="https://user-images.githubusercontent.com/30433053/68088581-9255e700-fe9b-11e9-8672-2672ab398abe.jpg" style="max-width:100%;">
</a>
</p>
## Train yymnist
--------------------
<p align="center">
<img width="70%" src="https://user-images.githubusercontent.com/30433053/68088705-90d8ee80-fe9c-11e9-8e61-589fdc45fe60.png" style="max-width:70%;">
</a>
</p>
Download [yymnist](https://github.com/YunYang1994/yymnist) dataset and make data.
```
$ git clone https://github.com/YunYang1994/yymnist.git
$ python yymnist/make_data.py --images_num 1000 --images_path ./data/dataset/train --labels_txt ./data/dataset/yymnist_train.txt
$ python yymnist/make_data.py --images_num 200 --images_path ./data/dataset/test --labels_txt ./data/dataset/yymnist_test.txt
```
Open `./core/config.py` and do some configurations
```
__C.YOLO.CLASSES = "./data/classes/yymnist.names"
```
Finally, you can train it and then evaluate your model
```
$ python train.py
$ tensorboard --logdir ./data/log
$ python test.py
$ cd ../mAP
$ python main.py # Detection images are expected to save in `YOLOV3/data/detection`
```
Track training progress in Tensorboard and go to http://localhost:6006/
```
$ tensorboard --logdir ./data/log
```
<p align="center">
<img width="100%" src="https://user-images.githubusercontent.com/30433053/68088727-db5a6b00-fe9c-11e9-91d6-555b1089b450.png" style="max-width:100%;">
</a>
</p>
## Citation
--------------------
```
@Github_Project{TensorFlow2.0-Examples,
author = YunYang1994,
email = www.dreameryangyun@sjtu.edu.cn,
title = "YOLOv3: An Incremental Improvement",
url = https://github.com/YunYang1994/TensorFlow2.0-Examples,
year = 2019,
}
```
![avatar](https://profile-avatar.csdnimg.cn/554c939cfade481faacd75fffe0bdc52_cs1395293598.jpg!1)
梦回阑珊
- 粉丝: 5715
- 资源: 1748
最新资源
- Matlab魔术轮胎公式:轮胎动力学仿真研究,涵盖制动、转弯及联合工况,解析纵向力与滑动率、侧向力与侧偏角关系,附参考文献及代码仿真复现 ,Matlab魔术轮胎公式:轮胎动力学仿真研究,涵盖制动、转弯
- 纯电动汽车Simulink整车仿真模型:构建高效动力系统,探索未来驾驶体验,纯电动汽车Simulink整车仿真模型构建与性能分析,纯电动汽车(含增程式)的 Simulink 整车仿真模型 ,纯电动;
- 贝叶斯优化算法在PID参数自动调参中的应用:一阶至高阶控制系统的自适应解决方案(附详细注释的M文件),贝叶斯优化算法在PID参数自动调整中的应用:一阶至高阶控制系统的自适应调参方法及详细注释说明,贝叶
- 基于Matlab的2PSK调制与解调系统仿真:原理、实现与源文件详解说明文档,基于MATLAB的2PSK调制与解调系统仿真及其详细说明文档与仿真源文件研究分析,基于matlab的2PSK调制与解调系统
- 基于BP神经网络的复杂故障诊断在三相逆变器仿真复现中的应用研究,基于BP神经网络的智能三相逆变器故障诊断技术研究与仿真复现:深度探索与验证,基于BP神经网络的三相逆变器故障诊断研究,仿真复现 ,基于B
- 四轮独立线控转向系统与Carsim-Simulink联合仿真的研究与应用,四轮转向线控转向系统的Carsim与Simulink联合仿真研究与实践,四轮转向线控转向系统的carsim与simulink联
- 基于Matlab与Simulink的六自由度水下机器人滑模控制运动模型:无差度轨迹跟踪效果与S-function及Matlab function互换性应用与说明文档,基于Matlab与Simulink
- C#与Halcon运动控制及视觉框架源码联合,可自定义连线式运动控制,开源可二次开发视觉处理利器 ,C#结合Halcon视觉框架的运动控制源代码分享与二次开发指南,C#联合Halcon运动控制源代码
- COMSOL MXene超材料吸收器的性能研究:探索高效能量转换与吸收机制,COMSOL MXene超材料吸收器的性能研究:探索高效能量转换与吸收机制,comsol MXene超材料吸收器 ,com
- 船用柴油机Simulink动态模型:四缸CI发动机设计与仿真(带PID控制)参考文档,船用柴油机Simulink动态模型构建:四缸CI发动机PID控制详解与文献参考,船用柴油机Simulink动态模
- 基于SOGI二阶广义积分器和高频注入的PMSM无速度传感器控制策略研究-MATLAB/Simulink仿真及传统滤波方法对比,基于pmsm永磁同步电机的高频注入技术与sogi二阶广义积分器传统滤波在
- 基于C++和C语言的农村污水处理系统设计源码
- 基于HTML和CSS技术的大学学业作业仓库设计源码
- 基于COMSOL的三相变压器仿真:振动噪声、温度及多场耦合计算的综合性研究,基于COMSOL的三相变压器仿真:振动噪声、温度场及多物理场耦合计算的研究,COMSOL三相变压器仿真振动噪声温度 变压器磁
- 基于JavaScript技术的自有家用源建设二分队设计源码
- 基于Vue与Electron的跨平台可视化页面与流程设计源码
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)