loco1223的博客

参考：https://blog.csdn.net/xiao__run/article/details/84374959 （选用程序）https://blog.csdn.net/Gavinmiaoc/article/details/88639814https://github.com/mattzheng/keras-yolov3-KF-objectTracking基本架构...

检测函数使用已经训练完成的YOLO v3模型，检测图片中的物体，其中：创建YOLO类的实例yolo；使用Image.open()加载图像image；调用yolo.detect_image()检测图像image；关闭yolo的session；显示检测完成的图像r_image；实现：def detect_img_for_test(): yolo = YOLO() i...

损失层在模型的训练过程中，不断调整网络中的参数，优化损失函数loss的值达到最小，完成模型的训练。在YOLO v3中，损失函数yolo_loss封装自定义Lambda的损失层中，作为模型的最后一层，参于训练。损失层Lambda的输入是已有模型的输出model_body.output和真值y_true，输出是1个值，即损失值。损失层的核心逻辑位于yolo_loss中，yolo_loss除了接收L...

List itemfit_generator在训练中，模型调用fit_generator方法，按批次创建数据，输入模型，进行训练。其中，数据生成器wrapper是data_generator_wrapper，用于验证数据格式，最终调用data_generator，输入参数是：annotation_lines：标注数据的行，每行数据包含图片路径，和框的位置信息，种类等；batch_s...

网络分析DBL: 如图1左下角所示，也就是代码中的Darknetconv2d_BN_Leaky，是yolo_v3的基本组件。就是卷积+BN+Leaky relu。对于v3来说，BN和leaky relu（正则化和激励）已经是和卷积层不可分离的部分了(最后一层卷积除外)，共同构成了最小组件。resn：n代表数字，有res1，res2, … ,res8等等，表示这个res_block里含有多少个...

具体分析create_model在create_model方法中，创建YOLO v3的网络结构，其中参数：input_shape：输入图片的尺寸，默认是(416,416)；anchors：默认的9种anchor box，shape是(9,2)；num_classes：类别数，创建网络只需要类别数即可，类别按0~n排列，输入类别也是索引；load_pretrained：是否使用预训练模型...

xml数据集中的参数图片的位置 框的4个坐标及标签（xmin,ymin,xmax,ymax,label_id）预测特征图（Prediction Feature Map）的anchor框（anchor box）集合3个尺度（scale）的特征图，每个特征图3个anchor框，共9个框，从小到大排列；1 ~ 3是大尺度（52x52）特征图所使用的，4 ~ 6是中尺度（26x26），7 ~ ...