## YOLO_tensorflow
Tensorflow implementation of [YOLO](https://arxiv.org/pdf/1506.02640.pdf), including training and test phase.
### Installation
1. Clone yolo_tensorflow repository
```Shell
$ git clone https://github.com/hizhangp/yolo_tensorflow.git
$ cd yolo_tensorflow
```
2. Download Pascal VOC dataset, and create correct directories
```Shell
$ ./download_data.sh
```
3. Download [YOLO_small](https://drive.google.com/file/d/0B5aC8pI-akZUNVFZMmhmcVRpbTA/view?usp=sharing)
weight file and put it in `data/weight`
4. Modify configuration in `yolo/config.py`
5. Training
```Shell
$ python train.py
```
6. Test
```Shell
$ python test.py
```
### Requirements
1. Tensorflow
2. OpenCV
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
目标检测 yolov1源码 作者提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potential bounding box,再用分类器去判断每个 bounding box里是否包含有物体,以及物体所属类别的 probability或者 confidence,如R-CNN,Fast-R-CNN,Faster-R-CNN等。 YOLO不同于这些物体检测方法,它将物体检测任务当做一个regression问题来处理,使用一个神经网络,直接从一整张图像来预测出bounding box 的坐标、box中包含物体的置信度和物体的probabilities。因为YOLO的物体检测流程是在一个神经网络里完成的,所以可以end to end来优化物体检测性能。 YOLO检测物体的速度很快,标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。网络较小的版本Fast YOLO在保持mAP是之前的其他实时物体检测器的两倍的同时,检测速度可以达到155 FPS。 相较于其他的state-of-the-art 物体检测系统,YOLO在物体定位时更容易出错,但是在背景上预测出不存在的物体(false positives)的情况会少一些。而且,YOLO比DPM、R-CNN等物体检测系统能够学到更加抽象的物体的特征,这使得YOLO可以从真实图像领域迁移到其他领域,如艺术。
资源推荐
资源详情
资源评论
收起资源包目录
yolo_tensorflow-master.zip (14个子文件)
yolo_tensorflow-master
.gitignore 12B
LICENSE 1KB
yolo
yolo_net.py 11KB
__init__.py 0B
config.py 1KB
download_data.sh 306B
utils
__init__.py 0B
timer.py 1KB
pascal_voc.py 6KB
README.md 709B
test.py 8KB
test
person.jpg 111KB
cat.jpg 57KB
train.py 6KB
共 14 条
- 1
资源评论
- 元宝爱学习2018-12-23只有tensorflow的代码
sinat_36360518
- 粉丝: 0
- 资源: 1
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
最新资源
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
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