YOLO-V3代码解析
代码解读
X_Imagine
加油!!!
展开
-
YOLO-V3代码解析系列(六) —— 网络预测(evaluate.py)
预测流程神经网络预测剔除低分数值的框NMS处理代码展示根据yolo-v3的输出结构可以看出,最终网络有三个尺度的输出。以输入为416x416x3为例,输出分别为13x13,26x26,52x52,每个grid cell生成3个预测框,总共产生框的数量为 10647 = 3 × (13x13 + 26x26 + 52x52). def evaluate(self): predicted_dir_path = './mAP/predicted' ground原创 2020-06-23 15:37:49 · 1419 阅读 · 0 评论 -
YOLO-V3代码解析系列(五) —— 损失函数(yolov3.py)
代码结构网络输出,相对于GridCelldecode:网络输出转换为原图尺度边界框损失置信度损失分类损失代码展示import numpy as npimport tensorflow as tfimport core.utils as utilsimport core.common as commonimport core.backbone as backbonefrom core.config import cfgclass YOLOV3(object): """原创 2020-06-19 16:59:13 · 3549 阅读 · 3 评论 -
YOLO-V3代码解析系列(四) —— 网络结构(backbone.py)
结构简述主要用了darknet-53,并采用级联的方式将不同尺度的层进行融合。网络结构图略结构分析介绍结构的特点和优势原创 2020-06-22 17:09:07 · 1742 阅读 · 0 评论 -
YOLO-V3代码解析系列(三) —— 数据处理(dataset.py)
代码结构准备分为以下几部分分析:初始化数据类parse_annotation():将图像和标签处理到特定尺度preprocess_true_boxes():进一步处理标签数据代码解析import osimport cv2import randomimport numpy as npimport tensorflow as tfimport core.utils as utilsfrom core.config import cfgclass Dataset(object):原创 2020-06-16 16:51:45 · 1344 阅读 · 0 评论 -
YOLO-V3代码解析系列(二) —— 主程序结构(train.py)
代码展示#! /usr/bin/env python# coding=utf-8# ================================================================# Copyright (C) 2019 * Ltd. All rights reserved.## Editor : VIM# File name : train.py# Author : YunYang1994# Created da原创 2020-06-15 15:30:32 · 1540 阅读 · 0 评论 -
YOLO-V3代码解析系列(一) —— 整体结构概述
一、总体概述 本次的任务是检测人体背部区域,可以当作单类目标检测任务。由于正在研究yolo系列网络,因此借助这次实验,将yolo系列网络结构,训练细节和代码实现深入理解和熟悉。 该系列代码研究的为github上的tensorflow实现,链接如下:https://github.com/YunYang1994/tensorflow-yolov3二、数据标注标注工具:LabelMe详细的安装和使用教程:https://blog.csdn.net/u014061630/article/details原创 2020-06-15 11:07:50 · 2082 阅读 · 0 评论