pytorch实现yolov3并用coco2017_scratch训练

2024-03-15 18:50

本文主要是介绍pytorch实现yolov3并用coco2017_scratch训练,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

pytorch实现yolov3并用coco2017 scratch训练

用torch.sum而不是mean编写了几个不同的损失计算函数,并使用yolov3-tiny网络进行训练,它是在带有多gpu卡的gpu服务器上进行训练,服务器是网上租来的,所以训练很少的epoch并使用小的batch size来节省资金,所以没有太过调整hyper_params。与之前相比,训练效果好了很多的,这是个人的GitHub

参考资料主要是最后面的几个website:

损失函数主要是这几个, calculate_losses_darknet 训练还是有些不太稳定。所以做了修改的,用iou来算坐标损失而不是用mse来算坐标损失,也就是函数 calculate_losses_darknetRevise, 对应的参考website也就是这个

https://github.com/pjreddie/darknet

这个损失函数 calculate_losses_Alexeydarknet 对应到这个website:

https://github.com/pjreddie/darknet

这个损失函数 calculate_losses_yolofive 对应到这个website:

https://github.com/ultralytics

这个损失函数 calculate_losses_20230730 是我自己写的,使用iou来选择相应的anchor,并且使用了num_scale来平衡不同类数量的差异,使用iou_scale来平衡不同anchor框和label的iou不同

检测的输出展示,这是yolov3-tiny alexeydarknet的输出结果,训练了70个epoch其他的模型还在训练的

参考yolov5s模型写的模型,和训练的codes,训练7个epoch,val2017的mAP是16%,训练了10个epoch,val2017的mAP是21.2%,之后还会训练其他的。

训练使用的数据就是coco2017
分割模型看起来更好些的,bbox的mAP达到了33% model_e46seg_map[0.50716__0.334552]_lnan_2023-09-01.pt

model_e60seg_map[0.485051__0.295817]_lnan_2023-09-03.pt https://www.aliyundrive.com/s/bLnC733gX5C 提取 nu63

pytorch实现yolov3分割segmentation并用coco2017 scratch训练
pytorch实现yolov3分割segment+姿态关节点检测pose keypoint并用coco2017 scratch训练

pytorch实现yolov3分割segmentation并用coco2017 scratch训练

pytorch实现yolov3分割segment+姿态关节点检测pose keypoint并用coco2017 scratch训练

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

https://github.com/ZouJiu1/Pytorch_YOLOV3

参考:

https://github.com/pjreddie/darknet

https://github.com/AlexeyAB/darknet

https://github.com/qqwweee/keras-yolo3

https://github.com/eriklindernoren/PyTorch-YOLOv3

https://github.com/YunYang199/tensorflow-yolov3

https://github.com/mystic123/tensorflow-yolo-v3

https://github.com/Ray-Luo/YOLOV3-PyTorch

https://github.com/DeNA/PyTorch_YOLOv3


https://zhuanlan.zhihu.com/p/648865953

这篇关于pytorch实现yolov3并用coco2017_scratch训练的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/812933

相关文章

Python实现AVIF图片与其他图片格式间的批量转换

《Python实现AVIF图片与其他图片格式间的批量转换》这篇文章主要为大家详细介绍了如何使用Pillow库实现AVIF与其他格式的相互转换,即将AVIF转换为常见的格式,比如JPG或PNG,需要的小... 目录环境配置1.将单个 AVIF 图片转换为 JPG 和 PNG2.批量转换目录下所有 AVIF 图

Pydantic中model_validator的实现

《Pydantic中model_validator的实现》本文主要介绍了Pydantic中model_validator的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录引言基础知识创建 Pydantic 模型使用 model_validator 装饰器高级用法mo

AJAX请求上传下载进度监控实现方式

《AJAX请求上传下载进度监控实现方式》在日常Web开发中,AJAX(AsynchronousJavaScriptandXML)被广泛用于异步请求数据,而无需刷新整个页面,:本文主要介绍AJAX请... 目录1. 前言2. 基于XMLHttpRequest的进度监控2.1 基础版文件上传监控2.2 增强版多

Redis分片集群的实现

《Redis分片集群的实现》Redis分片集群是一种将Redis数据库分散到多个节点上的方式,以提供更高的性能和可伸缩性,本文主要介绍了Redis分片集群的实现,具有一定的参考价值,感兴趣的可以了解一... 目录1. Redis Cluster的核心概念哈希槽(Hash Slots)主从复制与故障转移2.

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n

使用Python实现一键隐藏屏幕并锁定输入

《使用Python实现一键隐藏屏幕并锁定输入》本文主要介绍了使用Python编写一个一键隐藏屏幕并锁定输入的黑科技程序,能够在指定热键触发后立即遮挡屏幕,并禁止一切键盘鼠标输入,这样就再也不用担心自己... 目录1. 概述2. 功能亮点3.代码实现4.使用方法5. 展示效果6. 代码优化与拓展7. 总结1.

Mybatis 传参与排序模糊查询功能实现

《Mybatis传参与排序模糊查询功能实现》:本文主要介绍Mybatis传参与排序模糊查询功能实现,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧... 目录一、#{ }和${ }传参的区别二、排序三、like查询四、数据库连接池五、mysql 开发企业规范一、#{ }和${ }传参的

Docker镜像修改hosts及dockerfile修改hosts文件的实现方式

《Docker镜像修改hosts及dockerfile修改hosts文件的实现方式》:本文主要介绍Docker镜像修改hosts及dockerfile修改hosts文件的实现方式,具有很好的参考价... 目录docker镜像修改hosts及dockerfile修改hosts文件准备 dockerfile 文

基于SpringBoot+Mybatis实现Mysql分表

《基于SpringBoot+Mybatis实现Mysql分表》这篇文章主要为大家详细介绍了基于SpringBoot+Mybatis实现Mysql分表的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可... 目录基本思路定义注解创建ThreadLocal创建拦截器业务处理基本思路1.根据创建时间字段按年进

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N