PyTorch_YOLOv1

KO | EN

gitlite — search

#python #hacktoberfest #llm #golang #go #android #machine-learning #deep-learning #windows #awesome #kubernetes #vue #ios #openai

(★ 211)

A new version of YOLOv1

PyTorch_YOLOv1 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# PyTorch_YOLOv1
这个YOLOv1项目是配合我在知乎专栏上连载的《YOLO入门教程》而创建的：

https://zhuanlan.zhihu.com/c_1364967262269693952

感兴趣的小伙伴可以配合着上面的专栏来一起学习，入门目标检测。

当然，这里也诚挚推荐我的另一个YOLO项目，训练更加稳定，性能更好呦

https://github.com/yjh0410/PyTorch_YOLO-Family

# 配置环境
- 我们建议使用anaconda来创建虚拟环境:
```Shell
conda create -n yolo python=3.6
```

- 然后，激活虚拟环境:
```Shell
conda activate yolo
```

- 配置环境:
运行下方的命令即可一键配置相关的深度学习环境：
```Shell
pip install -r requirements.txt 
```

## 网络结构

- Backbone: ResNet-18
- Neck: SPP

## 训练所使用的tricks

- [x] 多尺度训练 (multi-scale)

## 数据集

### VOC2007与VOC2012数据集

读者可以从下面的百度网盘链接来下载VOC2007和VOC2012数据集

链接：https://pan.baidu.com/s/1qClcQXSXjP8FEnsP_RrZjg

提取码：zrcj

读者会获得 ```VOCdevkit.zip```压缩包, 分别包含 ```VOCdevkit/VOC2007``` 和 ```VOCdevkit/VOC2012```两个文件夹，分别是VOC2007数据集和VOC2012数据集.

## 实验结果

VOC2007 test 测试集

| Model             |  Input size  |   mAP   | Weight |
|-------------------|--------------|---------|--------|
| YOLOv1            |  320×320     |   64.6  |    -   |
| YOLOv1            |  416×416     |   69.6  |    -   |
| YOLOv1            |  512×512     |   72.2  |    -   |
| YOLOv1            |  608×608     |   73.3  | [github](https://github.com/yjh0410/PyTorch_YOLOv1/releases/download/yolov1_weight/yolo_69.6.pth) |

大家可以点击表格中的[github]()来下载模型权重文件。

# 训练模型
运行下方的命令可开始在```VOC```数据集上进行训练：
```Shell
python train.py \
        --cuda \
        -d voc \
        -ms \
        -bs 16 \
        -accu 4 \
        --lr 0.001 \
        --max_epoch 150 \
        --lr_epoch 90 120 \
```
其中，`-bs 16`表示我们设置batch size为16，`-accu 4`表示我们累加梯度4次，以此来近似使用64 batch size的训练效果。
倘若使用者将`-bs`设置更小，如8，请务必将`-accu`也做相应的调整，如8，以确保`-bs x -accu = 64`，否则，可能会出现训练不稳定的问题。

# 测试模型
运行下方的命令可开始在```VOC```数据集上进行训练：
```Shell
python test.py \
        --cuda \
        -d voc \
        -size 416 \
        --weight path/to/weight \
```

# 验证模型
运行下方的命令可开始在```VOC```数据集上进行训练：
```Shell
python eval.py \
        --cuda \
        -d voc \
        -size 416 \
        --weight path/to/weight \
```

PyTorch_YOLOv1

PyTorch_YOLOv1 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

PyTorch_YOLOv1

PyTorch_YOLOv1 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README