yolov3.pytorch For VOC2007

说明

本库是NWAFU校企实训中《基于VOC2007的常见物体的目标检测及其网络架构的设计与实现》项目，主要是使用YOLOv3进行目标检测，通过数据扩充，网络结构调整，超参数调整等对模型进行改进，尽可能提升模型准确率。

具体操作如下:

1. 从 YOLO website下载权重。
2. 使用convert.py将darknet的权重转化为keras权重
3. 进行预测

wget https://pjreddie.com/media/files/yolov3.weights
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
python yolo_video.py [OPTIONS...] --image, for image detection mode, OR
python yolo_video.py [video_path] [output_path (optional)]

--model model_file 和 --anchors anchor_file 分别用来制定模型路径与anchor尺寸

4. 使用多个GPU: use --gpu_num N

效果

训练

1. 创建类文件和标注文件 运行 python voc_annotation.py
   得到的例子:

   path/to/img1.jpg 50,100,150,200,0 30,50,200,120,3
   path/to/img2.jpg 120,300,250,600,2
   ...
   

2. 运行 python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5 来获取预训练文件model_data/yolo_weights.h5

3. 修改train.py python train.py

如果想用YOLOv3的基础网络作为与训练模型，执行以下步骤： 1. wget https://pjreddie.com/media/files/darknet53.conv.74 获取模型 2. 重命名为 darknet53.weights
3. python convert.py -w darknet53.cfg darknet53.weights model_data/darknet53_weights.h5 将模型转化为h5文件 4. 修改 train.py 指定使用model_data/darknet53_weights.h5作为预训练模型。

其他

1. 主要环境要求
   • Python 3.6+
   • Keras 2.1.5
   • tensorflow 1.6.0
2. 目前使用的是默认原版darknet中提供的anchor尺寸，具体可以在model/yolo_anchors.txt中进行修改
3. 在加载与训练权重的过程中会存在一些层无法加载进去的问题。
4. 可以根据需要对训练过程中的超参进行修改。
5. The training strategy is for reference only. Adjust it according to your dataset and your goal. And add further strategy if needed.
6. train_bottleneck.py 冻结了其他层，只训练最后一层，所以训练速度很快。