本系列是對YOLO3重點代碼的解析,以便後期搭建自己的網絡時得心應手。
代碼架構與配置文件
激活層
批歸一化層
全連接層
卷積層
正則化層
最大池化層
平均池化層
直連層
yolo層
特別鳴謝51CTO學院的白勇老師,您的系列課程讓我受益匪淺。
文章目錄前言1 製作自己的數據集2 安裝darknet3 建立軟鏈接4 訓練文件準備5 訓練數據集6 驗證模型6.1 loss曲線圖6.2 計算AP和mAP7 批量測試模型 前言 本文默認大家已經安裝好TF-gpu環境,沒有安裝好
須知: 對於佔比較小的目標檢測效果不好,雖然每個格子可以預測多個bounding box,但是最終只選擇IOU(預測的矩形框和真實目標的交集與並集之比)最高的bounding box作爲物體檢測輸出,即每個格子最多隻預測出一個物體