YOLOv3实现鱼类目标检测

YOLOv3实现鱼类目标检测

我将以一个项目实例，记录如何用YOLOv3训练自己的数据集。

在开始之前，首先了解一下YOLO系列代表性的DarkNet网络。

如下图所示，是YOLOv3中使用的DarkNet-53的结构，几种核心结构是：

DBL: 是yolo_v3的基本组件。就是卷积+BN+Leaky relu。对于v3来说，BN和leaky relu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res_unit。这是yolo_v3的大组件，yolo_v3开始借鉴了ResNet的残差结构，使用这种结构可以让网络结构更深(从v2的darknet-19上升到v3的darknet-53，前者没有残差结构)。

concat：张量拼接。将darknet中间层和后面的某一层的上采样进行拼接。拼接的操作和残差层add的操作是不一样的，拼接会扩充张量的维度，而add只是直接相加不会导致张量维度的改变。

下图是v3著名的Darknet53网络图，它融合了YOLOv2, Darknet19,以及其他新型的残差网络，由连续的3x3和1x1卷积层组合而成，一共有53个卷积层。

任务：鱼类目标检测

数据集描述：3类（tinca，gold_fish，stingray），900张图片

数据集格式：VOC

1. 准备工作：

• 进入YOLO官网，跑通Demo

YOLO: Real-Time Object Detection​pjreddie.com​编辑

• 准备自己的数据集 ，以VOC为例,如果只进行目标检测，下列几个文件夹要准备好，将图片保存在VOC的JPEGImages目录下

• 利用工具进行图片标注并生成XML文件，将用LabelImg标注好得到的XML文件放到Annotations文件夹下。注意，需要和图片名相同，标注图片类别时要统一用小写字母，否则会出错