YOLOv3 的最小化 PyTorch 實現
該庫給 YOLOv3 提供了一些更新,並且做了些小的設計使其變得更好,同時還訓練了新的網路。它更加精確,運行速度同樣很快。在 320×320 YOLOv3 上以 22.2 mAP 運行 22 ms,與 SSD 一樣準確,但速度提高了三倍。在 Titan X上,它能在 51 ms 內達到 57.9 AP50,相比較而言,RetinaNet 在 198 ms 內達到 57.5 AP50,性能相似但速度快了 3.8 倍。和往常一樣,所有代碼都可在 https://pjreddie.com/yolo/ 上找到。
Github:
https://github.com/eriklindernoren/PyTorch-YOLOv3
安裝:
$gitclonehttps://github.com/eriklindernoren/PyTorch-YOLOv3
$cdPyTorch-YOLOv3/
$sudo pip3 install -r requirements.txt
下載預訓練權值
$cdweights/
$bash download_weights.sh
下載 COCO
$cddata/
$bash get_coco_dataset.sh
使用預訓練權值訓練圖像,下圖顯示了將輸入圖像縮放為 256x256 時的推理時間。
$python3detect.py--image_folder /data/samples
測試
在 COCO 測試中評估模型。
$python3test.py--weights_path weights/yolov3.weights
訓練
在 COCO 上訓練,數據增強和其他訓練技巧有待優化。
train.py[-h][--epochs EPOCHS][--image_folder IMAGE_FOLDER]
[--batch_size BATCH_SIZE]
[--model_config_path MODEL_CONFIG_PATH]
[--data_config_path DATA_CONFIG_PATH]
[--weights_path WEIGHTS_PATH][--class_path CLASS_PATH]
[--conf_thres CONF_THRES][--nms_thres NMS_THRES]
[--n_cpu N_CPU][--img_size IMG_SIZE]
[--checkpoint_interval CHECKPOINT_INTERVAL]
[--checkpoint_dir CHECKPOINT_DIR]
Credit
@article,
author=,
journal = ,
year={2018}
}
從Python入門-如何成為AI工程師
BAT資深演算法工程師獨家研發課程
最貼近生活與工作的好玩實操項目
班級管理助學搭配專業的助教答疑
學以致用拿offer,學完即推薦就業
新人福利
關注 AI 研習社(okweiwu),回復1領取
【超過 1000G 神經網路 / AI / 大數據資料】
YOLO 升級到 v3 版,速度相比 RetinaNet 快 3.8 倍
※有道雲筆記是如何使用 TensorFlow Lite 的?
※100+Chinese Word Vectors 上百種預訓練中文詞向量
TAG:AI研習社 |