本文介绍了基于YOLO-V3的缺陷检测方法，探讨了YOLO-V3算法的改进点，包括多尺度特征利用和darknet-53网络。在Darknet框架下，详细阐述了数据准备、训练过程以及Windows环境下Darknet的使用，并提供了训练所需资源链接。后续将讨论工程化应用。
1.前言
YOLO-V3是在速度和准确率之间tradeoff。在缺陷检测中，YOLO-V3算法也是非常常见且取得非常好效果的一种。
2.YOLO-V3算法
YOLO-V3（论文：https://arxiv.org/abs/1804.02767）是在YOLO-V1和YOLO-V2的基础上改进的，主要改进是1）利用多尺度特征进行对象检测；
2）更好的基础分类网络（如ResNet）和分类器 darknet-53；
3）延续9种尺度的先验框：采用K-means聚类的方法得到先验框的尺寸，为每种下采样尺度设定3种先验框，最终聚类出9种尺寸的先验框；
在Darknet（https://pjreddie.com/darknet）框架下展开YOLO-V3算法的开发，
Windows 版本 Darknet:
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
