本系列是对YOLO3重点代码的解析,以便后期搭建自己的网络时得心应手。
代码架构与配置文件
激活层
批归一化层
全连接层
卷积层
正则化层
最大池化层
平均池化层
直连层
yolo层
特别鸣谢51CTO学院的白勇老师,您的系列课程让我受益匪浅。
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