YOLOv3每个位置使用3个先验框,所以使用k-means得到9个先验框,并将其划分到3个尺度特征图上,尺度更大的特征图使用更小的先验框,和SSD类似。 论文地址:YOLOv3: An Incremental Improvement. YOLOv3与其它检测模型的对比如下图所示,可以看到在速度上YOLOv3完胜其它方法,虽然AP值并不是最好的(如果比较AP-0.5,YOLOv3...
args = arg_parse()# args是一个namespace类型的变量,即argparse.Namespace, 可以像easydict一样使用,就像一个字典,key来索引变量的值 # Namespace(bs=1, cfgfile='cfg/yolov3.cfg', confidence=0.5,det='det', images='imgs', nms_thresh=0.4, reso='416', weightsfile='yolov3.weights') images = ...
这段代码的实际执行的操作是,使用yolov3模型处理输入图片。 接着再用非极大值抑制算法(NMS, non_max_supperssion)来进行二次处理。 具体的NMS算法原理和实现暂时不提。 YoloV3中Mode,是来自类DarkNet 的实例。 DarkNet是一个比较小众的深度学习框架,没有社区主要靠作者团队自行维护。所以推广较弱。 nn.model在P...
2. YOLOv1:这一开创性的算法首次实现了统一、实时的目标检测。 3. YOLOv2(又名YOLO9000):在保持实时性能的同时,提高了检测精度和速度,并扩展了可识别的物体类别。 4. YOLOv3:进一步改进了YOLO系列,通过一系列增量更新提升了性能。 5. Tiny YOLOv3:针对资源受限环境设计的轻量级版本,实现了较小的模型大小和较...