【YOLOv3】YOLO3训练自己的单类model
2018-03-26 08:50
204 查看
YOLOv3:https://pjreddie.com/darknet/yolo/
说明书:https://pjreddie.com/media/files/papers/YOLOv3.pdf
今天Yolo Object Detector的作者发布了YOLOv3,看起来性能更好但速度有所牺牲。
大致使用方法见其他人对YOLOv2的blog,这里说一下训练单一class时的区别。
一般我们训练的class都是1类,所以在cfg/yolov3.cfg里:
把所有“classes=80”替换为1 (别忘了.data里也要改);
把所有“filters=255”替换为18;
原因:
在YOLOv2的【Region】上面那层的filters=num*(cls+1+4),所以按原来的算法filters=5*(1+1+4)=30
但在YOLOv3里【region】替换成了3个【yolo】层,因其用了三个scale来预测bounding box,每个scale上预测三个box
尽管每个【yolo】里num=9,但它们上一层filters=num*(cls+1+4)里num实际是3,原因见上一行
例:默认yolov3.cfg里是Coco的80类,classes=80
所以每个【yolo】层上面的filter数=3*(80+1+4)=255
BTW,新yolo训练真慢...
说明书:https://pjreddie.com/media/files/papers/YOLOv3.pdf
今天Yolo Object Detector的作者发布了YOLOv3,看起来性能更好但速度有所牺牲。
大致使用方法见其他人对YOLOv2的blog,这里说一下训练单一class时的区别。
一般我们训练的class都是1类,所以在cfg/yolov3.cfg里:
把所有“classes=80”替换为1 (别忘了.data里也要改);
把所有“filters=255”替换为18;
原因:
在YOLOv2的【Region】上面那层的filters=num*(cls+1+4),所以按原来的算法filters=5*(1+1+4)=30
但在YOLOv3里【region】替换成了3个【yolo】层,因其用了三个scale来预测bounding box,每个scale上预测三个box
尽管每个【yolo】里num=9,但它们上一层filters=num*(cls+1+4)里num实际是3,原因见上一行
例:默认yolov3.cfg里是Coco的80类,classes=80
所以每个【yolo】层上面的filter数=3*(80+1+4)=255
BTW,新yolo训练真慢...
相关文章推荐
- Caffe学习系列(23):如何将别人训练好的model用到自己的数据上
- Caffe学习系列(23):如何将别人训练好的model用到自己的数据上
- 使用Stanford NER训练自己的model
- YOLOv2训练自己的数据集(识别海参)
- 【神经网络与深度学习】如何将别人训练好的model用到自己的数据上
- yolo训练自己的数据
- 用YOLO训练自己的数据集--20170823
- 用DPM(Deformable Part Model,voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型
- YOLOv2在自己的数据集上训练以及测试
- tiny-yolo训练测试(coco训练集混合自己的voc训练集)--20170829
- yolo_v2训练自己的数据出现Obj: 0.000000, No Obj: 0.000000
- 【Darknet】【yolo v2】训练自己数据集的一些心得----VOC格式
- 如何将别人训练好的model用到自己的数据上----微调模型
- 如何将别人训练好的model用到自己的数据上
- YOLO训练自己的数据集
- 用YOLOv2训练自己的数据集
- YOLO训练自己数据集配置文件修改.md
- 【YOLO】详解:YOLO-darknet训练自己的数据
- 【计算机视觉】【神经网络与深度学习】YOLO v2 detection训练自己的数据
- YOLOv2训练自己的数据集(VOC格式)