YoloV2之TensorFlow版源码解析

本文详细解析了YoloV2在TensorFlow中的实现过程,包括数据集准备、分类训练与检测训练的网络设计,以及测试阶段的处理步骤。在训练阶段,网络先在ImageNet上进行预训练,然后在更大分辨率下进行微调。检测训练时,通过添加特定卷积层以适应目标检测任务。测试阶段,对网络输出进行处理,包括筛选、类别匹配和非极大值抑制,以获取最终检测结果。
摘要由CSDN通过智能技术生成

 

 

  • 准备阶段
  1. 数据集的准备: ① 索引文件trainval.txt: 存放的是训练图片的名称

               

                  ② 图片文件:

                 

                 ③ 标签文件xml:

                   

 

  1. 网络的设计(分类训练与检测训练)

 

   Training for classification: 在上图所示的网络中,先在标准ImageNet 1000 class分类数据集上做160 epochs的预训练,此时网络输入大小为(224 * 224), 然后调整输入图片的大小,变成 (448 * 448), 再用这个分类网络在ImageNet进行fine-tuning, 论文中是这样描述的:(

评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值