## 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~
资源推荐
资源详情
资源评论
收起资源包目录
yolo3-pytorch-pyqt5害虫识别源码 (674个子文件)
videoqt.exe 18.51MB
main.exe 6.17MB
main.exe 6.17MB
.gitignore 50B
xref-videoqt.html 9.03MB
xref-main.html 255KB
1.ico 110KB
yolo3-pytorch.iml 580B
027.jpg 468KB
05.jpg 408KB
07.jpg 293KB
102.jpg 263KB
510.jpg 244KB
419.jpg 234KB
09.jpg 232KB
011.jpg 229KB
156.jpg 217KB
016.jpg 172KB
013.jpg 172KB
012.jpg 162KB
06.jpg 150KB
018.jpg 128KB
218.jpg 108KB
116.jpg 92KB
1914.jpg 88KB
02.jpg 85KB
1517.jpg 76KB
021.jpg 76KB
025.jpg 74KB
73.jpg 72KB
1816.jpg 71KB
159.jpg 71KB
144.jpg 70KB
1712.jpg 69KB
97.jpg 67KB
58.jpg 63KB
1211.jpg 63KB
162.jpg 62KB
38.jpg 62KB
1811.jpg 60KB
2015.jpg 59KB
41.jpg 59KB
1516.jpg 56KB
718.jpg 55KB
710.jpg 54KB
010.jpg 53KB
181.jpg 52KB
1116.jpg 49KB
114.jpg 49KB
618.jpg 48KB
024.jpg 48KB
202.jpg 48KB
1414.jpg 46KB
817.jpg 45KB
717.jpg 45KB
1214.jpg 45KB
203.jpg 43KB
620.jpg 43KB
1411.jpg 42KB
186.jpg 42KB
31.jpg 42KB
1911.jpg 41KB
94.jpg 41KB
911.jpg 41KB
34.jpg 41KB
32.jpg 41KB
019.jpg 40KB
132.jpg 40KB
612.jpg 39KB
185.jpg 39KB
313.jpg 38KB
56.jpg 38KB
1016.jpg 38KB
1112.jpg 38KB
1814.jpg 38KB
83.jpg 37KB
15.jpg 37KB
514.jpg 37KB
023.jpg 37KB
44.jpg 37KB
1719.jpg 37KB
1415.jpg 36KB
22.jpg 36KB
29.jpg 36KB
53.jpg 36KB
020.jpg 36KB
2118.jpg 36KB
318.jpg 36KB
137.jpg 35KB
59.jpg 35KB
104.jpg 35KB
910.jpg 34KB
1118.jpg 34KB
115.jpg 34KB
187.jpg 34KB
76.jpg 34KB
1714.jpg 34KB
1620.jpg 34KB
311.jpg 34KB
418.jpg 33KB
共 674 条
- 1
- 2
- 3
- 4
- 5
- 6
- 7
资源评论
萧鼎
- 粉丝: 1w+
- 资源: 88
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