本文旨在将在keras框架下将YOLOv3的backend model转换成任何深度学习网络结构。
Darknet:https://pjreddie.com/darknet/yolo
GitHub for this article: Adamdad/keras-YOLOv3-mobilenet
Paper:YOLOv3: An Incremental Improvement
YOLO是one-stage目标检测框架的氏族,其将目标检测问题转换为end-to-end回归问题的绝妙想法深深的影响了后来诸如SSD,Retinanet等等one-stage detecor。YOLOv3在YOLOv2的基础进行了一些改进,这些更改使其效果变得更好。 在320×320的图像上,YOLOv3运行速度达到了22.2毫秒,mAP为28.2。其与SSD一样准确,但速度快了三倍,具体效果如下图。
感谢作者Joseph Chet Redmon极强的代码能力和开源精神,竟然自己用C代码完成了一个深度学习框架Darknet,实在让人佩服万分。在此框架基础上,作者还在YOLO v3中使用了一个53层的卷积网络,称为Darknet-53。这个网络由残差单元叠加而成。根据作者的实验,在分类准确度上跟效率的平衡上,这个模型比ResNet-101、 ResNet-152和Darknet-19表现得更好。
不可否认,Darknet框架因为其基于C代码的原因对工业界但正是由于该Darknet-53模型的小众性和Darknet框架的易用性