红色石头的个人网站:红色石头的个人博客-机器学习、深度学习之路redstonewill.com
来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出的YOLOv3 通过在 YOLO 中加入设计细节的变化,这个新模型在取得相当准确率的情况下实现了检测速度的很大提升,一般它比 R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。
这里附上 YOLOv3 的论文地址:
本文的项目作者是 wizyoung,原 GitHub 项目地址为:wizyoung/YOLOv3_TensorFlowgithub.com
1. 介绍
本文将介绍 YOLO3 的完整 TensorFlow 实现。可在自己的数据集上进行完整的训练和验证操作,pipeline 完整。其特点包括:高效的 tf.data 管道
权重转换
GPU 提速,无限制
完整的训练管道
使用 kMeans 算法来选择 anchor boxes
多 GPU 同步训练
2. 需求tensorflow >= 1.8.0(不排除低版本也能工作)
opencv-python
<