这个YOLOv1项目是配合我在知乎专栏上连载的《YOLO入门教程》而创建的:
https://zhuanlan.zhihu.com/c_1364967262269693952
感兴趣的小伙伴可以配合着上面的专栏来一起学习,入门目标检测。
另外,这个项目在小batch size 的情况,如batch size=8,可能会出现nan的问题,经过其他伙伴的调试, 在batch size=8时,可以把学习率lr跳到2e-4,兴许就可以稳定炼丹啦! 我自己训练的时候,batch size 设置为16或32,比较大,所以训练稳定。
当然,这里也诚挚推荐我的另一个YOLO项目,训练更加稳定,性能更好呦
https://github.com/yjh0410/PyTorch_YOLO-Family
- Backbone: ResNet-18
- Neck: SPP
- 多尺度训练 (multi-scale)
读者可以从下面的百度网盘链接来下载VOC2007和VOC2012数据集
链接:https://pan.baidu.com/s/1tYPGCYGyC0wjpC97H-zzMQ
提取码:4la9
读者会获得 VOCdevkit.zip
压缩包, 分别包含 VOCdevkit/VOC2007
和 VOCdevkit/VOC2012
两个文件夹,分别是VOC2007数据集和VOC2012数据集.
运行 sh data/scripts/COCO2017.sh
,将会获得 COCO train2017, val2017, test2017三个数据集.
VOC2007 test 测试集
模型 | 输入尺寸 | mAP |
---|---|---|
Our YOLOv1 | 320 | 64.8 |
Our YOLOv1 | 416 | 69.2 |
Our YOLOv1 | 512 | 71.8 |
Our YOLOv1 | 608 | 73.3 |
COCO val 验证集
模型 | 输入尺寸 | AP | AP50 | AP75 | AP_S | AP_M | AP_L |
---|---|---|---|---|---|---|---|
Our YOLOv1 | 320 | 13.7 | 29.6 | 11.3 | 1.6 | 11.5 | 28.6 |
Our YOLOv1 | 416 | 16.4 | 34.7 | 13.9 | 3.1 | 15.6 | 31.9 |
Our YOLOv1 | 512 | 18.1 | 37.9 | 15.5 | 4.3 | 18.5 | 32.0 |
Our YOLOv1 | 608 | 18.6 | 39.0 | 15.6 | 5.5 | 20.7 | 30.6 |
大家可以从下面的百度网盘链接来下载已训练好的模型:
链接: https://pan.baidu.com/s/1NmdqPwAmirknO5J__lg5Yw
提起码: hlt6