深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践

本文主要包含如下内容：

• 修改qqwweee/keras-yolo3(目标检测算法YOLOv3的一个Keras版本的优秀实现)，将其修改为tf.keras为主导的，并修订不兼容的接口和逻辑，使其支持TensorFlow 2.0版本
• 实践修改后的YOLOv3算法
• 对实践结果的简单分析

修改后的项目 GitHub：
tf2-keras-yolo3 (https://github.com/AaronJny/tf2-keras-yolo3)

转载请注明来源：https://blog.csdn.net/aaronjny/article/details/103658254

---

前言

说到目标检测，YOLO系列算法可以算是颇负盛名。目标检测相关的算法有不少，而YOLO因其识别速度快而出名，常被用于实时目标检测场景中。今天，我们就来实践一下YOLOv3算法。

因为YOLO原理我是清楚的，又觉得实现起来太麻烦了，所以本来想着就不自己造轮子了，直接从GitHub上找一个优秀的开源实现，拜读一下代码，然后调试跑通结束。但没想到，最后还是得动手写（或者说改？）代码……

因为我主要使用的深度学习框架是TensorFlow和Keras，所以直接去找了算法的Keras实现。然后就找了qqwweee/keras-yolo3，GitHub上4928 star。先来读一下它的README文件：

文档上说的很清楚，那就跟着Quick Start来，首先下载预训练好的权重文件，然后通过convert.py脚本构建模型，并将权重转成Keras版本的。到这里都没什么问题，然而当尝试执行测试脚本yolo_video.py时，问题出现了：

为了测试算法，我随便从网上下载了一个视频，然后调用脚本进行测试。根据错误提示来看，是因为我用的是TensorFlow 2.0，而TensorFlow 2.0与1.x版本的差别很大，删减、调整了很多接口，并且由于Eager execution的出现，编码习惯和逻辑也有所变更，故无法兼容。看了一下README后面的内容，能看到作者当时的测试环境如下：

这个项目是很久之前写的了，上一次更新已经是一年前了，所以与新版本的框架无法兼容也在意料之中。我使用了一个和作者相同的虚拟环境进行测试，是没有问题的，正常可用。但大家毕竟要往前走嘛，我也不能换TensorFlow 1.6进行开发，于是就萌生了修改这个项目，让它支持TensorFlow 2.0的想法，顺便也能对YOLOv3的实现有更深的理解。<