pytorch实现yolov3并用coco2017_scratch训练

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

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