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/1IYlFqRjoet9jCkq1bXyuog
提取码：074w
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
| Model | Input size | mAP | Weight |
|---|---|---|---|
| YOLOv1 | 320×320 | 64.8 | - |
| YOLOv1 | 416×416 | 69.2 | - |
| YOLOv1 | 512×512 | 71.8 | - |
| YOLOv1 | 608×608 | 73.3 | github |
COCO val 验证集
| Model | Input size | AP | AP50 | AP75 | Weight |
|---|---|---|---|---|---|
| YOLOv1 | 320×320 | 13.7 | 29.6 | 11.3 | - |
| YOLOv1 | 416×416 | 16.4 | 34.7 | 13.9 | - |
| YOLOv1 | 512×512 | 18.1 | 37.9 | 15.5 | - |
| YOLOv1 | 608×608 | 18.6 | 39.0 | 15.6 | github |
大家可以点击表格中的github来下载模型权重文件。