Github上看了一下,基本上都是yolo或者RCNN(以及Faster-RCNN)
好像他们都是参加一个鱼类识别的比赛,有数据集。
Attempted solutions for the "The Nature Conservancy Fisheries Monitoring" Data Science Competition put on by Kaggle.
Note: This code was mainly used as learning-tool, to gain experience with the tensorflow library. All code was ran on GTX 970 graphics card.
YOLO的每一个网格只预测两个boxes,一种类别。这导致模型对相邻目标预测准确率下降。因此,YOLO对成队列的目标(如 一群鸟)识别准确率较低。
17年的帖,说的应该是YOLOv1有这个缺点,不知道后面改进没
Yolov3集大成之作
YOLOv3是到目前为止,速度和精度最均衡的目标检测网络。通过多种先进方法的融合,将YOLO系列的短板(速度很快,不擅长检测小物体等)全部补齐。达到了令人惊艳的效果和拔群的速度。
好像改进了?
How to implement a YOLO (v3) object detector from scratch in PyTorch: Part 1
讲了很多yolo的理解
YOLO Object Detection in PyTorch
训练自己数据部分较为清晰
网络分为 网络结构和 各神经元权重 两个部分,一个py程序用来实现网络结构(权重不是固定的,而是从文件里读取权重),还有一个文件用来储存各单元权值。
训练得到的是 一组 整个网络各神经元的权重,保存在一个文件里。使用yolo结构的神经网络时要加载这个神经元权重文件。
yolo github有推荐的tutorial
在pytorch中配置与使用tensorboard来使训练数据可视化,讲得比较详细