目标侦测（YOLO-V3）

最新推荐文章于 2023-04-13 17:36:26 发布

曲奇喵

最新推荐文章于 2023-04-13 17:36:26 发布

阅读量291

点赞数

分类专栏： AI 文章标签： pytorch 神经网络深度学习目标侦测

本文链接：https://blog.csdn.net/afsya/article/details/106762749

版权

本文详细介绍了YOLO（You Only Look Once）目标检测算法的第三版——YOLO-V3。主要内容包括数据处理，如使用K-Means聚类筛选建议框，并设计标签（cls，cx，cy，w，h）。网络部分提到了基于darknet53的模型结构，探讨了中心点偏移量计算和宽高比例调整的方法，为后续的训练阶段奠定基础。

摘要由CSDN通过智能技术生成

yolo：you only look once.（只看一次，速度快）

数据处理

筛选建议框（根据目标筛选形状和大小）
在数据集中有一堆框，用 K-Means 聚类算法找到 9 个框，代表整个数据集。

IMG_HEIGHT = 416
IMG_WIDTH = 416

CLASS_NUM = 10

ANCHORS_GROUP = {
   
    13: [[51, 22], [52, 22], [53, 22]],
    26: [[54, 22], [55, 22], [56, 22]],
    52: [[57, 22], [58, 22], [59, 22]]
}

ANCHORS_GROUP_AREA = {
   
    13: [x * y for x, y in ANCHORS_GROUP[13]],
    26: [x * y for x, y in ANCHORS_GROUP[26]],
    52: [x * y for x, y in ANCHORS_GROUP[52]],
}

设计标签
（cls，cx，cy，w，h）→（cls，cx_offset，cy_offset，w_p，h_p）

中心点：与缩放比例有关。
cx_offset = cx / 缩放比例 = 前边有几个格子.cx 相对于当前格子的偏移量
cy_offset = cy / 缩放比例 = 前边有几个格子.cy 相对于当前格子的偏移量

宽高：与建议框有关。
w_p = log(实际w / 建议w)
h_p = log(实际h / 建议h)

from torch.utils.data import Dataset
from torchvision import transforms
from PIL import Image
import numpy as np
import os

import cfg


def one_hot(cls_num, v):
    result = np.zeros(cls_num)
    result[v] = 1.
    return result


class MyDataset(Dataset):
    def __init__(self, path, label_path):
        self.path = path
        self.transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])
        with open(label_path) as label:
            self.data = label.readlines()

    def __len__(self):
        return len(self.data)

    def __getitem__(self, index):
        # key：13, 26, 52
        # value：[13, 13, 3, 15] [26, 26, 3, 15] [52, 52, 3, 15]
        labels = {
   }
        # img1 cls1 cx1 cy1 w1 h1 img2 cls2 cx2 cy2 w2 h2
        infos = self.data[index].strip().split(" ")
        img = Image.open(os.path.join(self.path, infos[0]))
        img = self.transform(img)
        # cls1 cx1 cy1 w1 h1 cls2 cx2 cy2 w2 h2
        boxes = np.array([float(box) for box in infos[1:]]</