【源码解读】YOLO v3 训练 - 03 train
模型建立完成后，便需要对模型进行训练。模型建立详见：https://www.cnblogs.com/monologuesmw/p/12793758.html 代码解析 下载的源码集中包含两个训练相关的文件：train.py和train_bottleneck.py。train.py ...
原文：【源码解读】YOLO v3 训练 - 05 损失函数loss
摘要 在损失函数计算的过程中，需要对模型的输出即 feats进行相关信息的计算。 在yolo head中 当前小网格相对于大网格的位置 也可以理解为是相对于特征图的位置 loss的计算时每一层结果均与真值进行误差的累加计算。 YOLO v 的损失函数与v 的损失函数略有不同。损失函数的计算是在对应特征图上的，而不是将其转化至 , 的图上，或者转化到原图上。 YOLO v 使用多目标的方式进行分类 ...
2020-04-28 15:59 1 5443 推荐指数：
相关推荐
【源码解读】YOLO v3 训练 - 02 网络结构
首先，看一下YOLO v3 中的网络结构。 YOLO v3 的整体流程 番外步骤： 对训练集图片标记后产生的数据进行K-Means处理，筛选9个anchor-box。 详见：https://www.cnblogs.com/monologuesmw/p ...
【源码解读】YOLO v3 - 06 测试
在实际预测的过程中，主要包括两个部分： 输入图像的标准化处理 从模型输出的y1,y2,y3中进行分类和定位 虽然会先生成yolo的对象，即预测评估的运算过程。 输入图像的处理 在代码的第6行yolo.detect_image(img)中 ...
YOLO V3 loss为Nan
之前在用yolo v3训练自己的数据集的时候，会出现loss=nan的情况。这边给出一点解决方法。 1.查看是否为代码问题，在计算损失时是否出现负数，分母为0等情况。 2.检查数据集文件是否标识正确。 3.每一次batch，打印一次loss，检查是否出现梯度爆炸的情况。若有loss=inf ...
YOLO v2 损失函数源码分析
损失函数的定义是在region_layer.c文件中，关于region层使用的参数在cfg文件的最后一个section中定义。 首先来看一看region_layer 都定义了那些属性值： 注1: 这里的30应该是限制了每帧图像中目标的最大个数，个人认为 ...
【源码解读】YOLO v3 - 01K-means 生成适合识别图像的anchor-box
前几日YOLO系列迎来了YOLOv4，再来回看一遍YOLOv3。 anchor box YOLO v1中，bounding-box做回归时没有限制，导致可能会预测一个距离很远的object，效率不高。在YOLO v2中，开始引入了anchor box的概念，只对网格邻近的object ...
YOLO V3 训练过程 7：训练流程
1.从main函数开始，在darknet.c 文件中： darknet.c detector.c ...
Tensorflow+YOLO v3训练自己的数据集合
https://blog.csdn.net/haoqimao_hard/article/details/88863744 ...