項目地址：YunYang1994/tensorflow-yolov3

Anchors clustering

• 關(guān)于IOU的解釋：Intersection over union

參考文章1：Github 項目 - YOLOV3 的 TensorFlow 復(fù)現(xiàn)

參考文章2：【膜拜大神】Tensorflow實現(xiàn)YOLO v3（TF-Slim）

參考文章3：tensorflow學(xué)習(xí)筆記-YOLOV3-tensorflow示例

參考文章4：重磅：TensorFlow實現(xiàn)YOLOv3（內(nèi)含福利）

參考文章5：【膜拜大神】Tensorflow+YOLO v3訓(xùn)練自己的數(shù)據(jù)集合（TF-Slim）-下

參考文章6：用tensorflow實現(xiàn)yolov3

運行python main.py -na：

part 2. Quick start

克隆repo

$ git clone https://github.com/YunYang1994/tensorflow-yolov3.git

安裝依賴包

$ cd tensorflow-yolov3 $ pip install -r ./docs/requirements.txt

下載COCO權(quán)重并將其轉(zhuǎn)換成 tensorflow checkpoint （yolov3_coco.ckpt）

$ cd checkpoint $ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz $ tar -xvf yolov3_coco.tar.gz $ cd .. $ python convert_weight.py $ python freeze_graph.py

運行 demo 腳本

$ python image_demo.py $ python video_demo.py # if use camera, set video_path = 0

part 3. Train on your own dataset

注意 ./core/config.py 中的三個文件，要讓它們的內(nèi)容與自己的圖片以及標(biāo)定數(shù)據(jù)匹配：
__C.YOLO.CLASSES = “./data/classes/voc.names”
__C.TRAIN.ANNOT_PATH = “./data/dataset/voc_train.txt”
__C.TEST.ANNOT_PATH = “./data/dataset/voc_test.txt”

使用COCO預(yù)訓(xùn)練模型進行訓(xùn)練（作者推薦的）：
$ cd checkpoint
$ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz

$ tar -xvf yolov3_coco.tar.gz $ cd .. $ python convert_weight.py --train_from_coco $ python train.py 與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的tensorflow_yolo-v3笔记 IOU：Intersection over union 交并比的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。