Yolo v3 学习笔记

Yolo 系列的讲解文章

1. yolo系列之yolo v3【深度解析】
2. 机器人小学期（3）：YOLOv3
3. How to implement a YOLO (v3) object detector from scratch in PyTorch: Part 1
4. 目标检测网络之 YOLOv3 （明也无涯－康行天下- 博客园）
5. 目标检测|YOLOv2原理与实现(附YOLOv3)

关键点

通过网络的输出来计算Bounding box 坐标和大小


非极大值抑制（Non-Maximum Suppression，NMS）

关于 YOLO 损失函数的介绍

1. https://github.com/Liu-Yicheng/YOLOv3
2. YOLOv3庖丁解牛（三）：YOLOv3损失函数
3. 图解YOLO
4. 从YOLOv1到YOLOv3，目标检测的进化之路

Yolo3 的 tensorflow 代码 (Google Search 首页结果)

• YunYang1994/tensorflow-yolov3
• maiminh1996/YOLOv3-tensorflow
• qqwweee/keras-yolo3
• 【Tensorflow tf 掏粪记录】笔记五——YOLOv3 tensorflow 实现
• YOLOv3 的 TensorFlow 实现，GitHub 完整源码解析
• YOLOv3 in Tensorflow
• Yolo v3 Object Detection in Tensorflow
• Implementing YOLO v3 in Tensorflow (TF-Slim)
• 重磅：TensorFlow实现YOLOv3（内含福利）
• YOLOv3目标检测的TensorFlow实现，可用自己的数据来训练

实验

基于 YunYang1994/tensorflow-yolov3

过拟合
在训练 SIXRay 数据库的时候，按照默认参数去训练，出现了明显的过拟合现象。

在作者的 讨论区 里看到这个问题普遍出现，所以作者提供了一些改进思路，如下：

(2) 过拟合的问题大家可以尝试着使用数据增强，正则化损失以及提前终止的办法去解决．(Link)

针对 bounding box 的数据增强 可以使用 imgaug 和 Augmentor 库来进行前期处理。这篇 博客 里举例说明了 imgaug 使用方法。

(3) 我看issue里面都提到了过拟合的情况，大家可以在训练代码里加上这样一行 (Link)

# 权重衰减 
with tf.name_scope("define_weight_decay"):
    moving_ave = tf.train.ExponentialMovingAverage(0.995).apply(tf.trainable_variables())

当然，应该不仅仅是加上下面这一行就可以了，MovingAverage (官方文档) 的概念和具体的使用方法请参考: tensorflow学习笔记(三十三):ExponentialMovingAverage，以及对它的补充说明：tf.train.ExponentialMovingAverage用法和说明。

---- Update (31May2019) ----
原作者已经在代码里添加了 moving average 和 early stopping 两个防止过拟合的策略。

优化技巧

目标检测任务的优化策略tricks