目录

论文阅读

背景

网络结构

创新点

实验

结论

代码复现：

Tensorflow代码

Pytorch代码：

1.安装依赖项

2.修改配置文件

3.修改数据配置文件

4.训练

5.测试

---

论文阅读

背景

 

网络结构

 

创新点

 

实验

 

结论

 

 

代码复现：

Tensorflow代码

代码路径：https://github.com/YunYang1994/tensorflow-yolov3

复现过程：根据README.md操作。

 

 

Pytorch代码：

代码路径：https://github.com/FLyingLSJ/PyTorch-YOLOv3-master

1.安装依赖项

pip3 install -r requirements.txt  # 整个项目需要的依赖包
pip install terminaltables

2.修改配置文件

cd config/   # Navigate to config dir
#Will create custom model 'yolov3-custom.cfg'
bash create_custom_model.sh <num-classes>   #  num-classes 类别数目参数

3.修改数据配置文件

classes= 2  # 类别数
train=data/custom/train.txt
valid=data/custom/valid.txt
names=data/custom/classes.names

4.训练

# 训练命令
python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights weights/darknet53.conv.74
# 添加其他参数请见 train.py 文件# 从中断的地方开始训练
python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights checkpoints/yolov3_ckpt_299.pth --epoch 

5.测试

# 测试：
python detect_2.py --image_folder data/samples/ --weights_path checkpoints/yolov3_ckpt_25.pth --model_def config/yolov3-custom.cfg --class_path data/custom/classes.names