检测网络和跟踪见这几篇         pytorch实现yolov3并用coco2017_scratch训练_九是否随机的称呼的博客-CSDN博客 pytorch实现yolov3分割segment+姿态关节点检测pose keypoint并用coco2017 scratch训练_九是否随机的称呼的博客-CSDN博客 pytorch实现yolov3分割segment+姿态关节点检测pose

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Gi

1-COCO数据集 cocodataset 1、下载数据 os：此处只下载COCO2017用于实验，如果后续用到2014再补充代码。unzip的过程可能比较久，耐心等待直到执行完。 选择保存COCO2017数据的文件夹，打开该文件夹&下载&解压代码： cd COCO2017wget http://images.cocodataset.org/zips/train2017.zip w

from pycocotools.coco import COCOimport cv2import pandas as pddef showNimages(imageidFile, annFile, imageFile, resultFile):""":param imageidFile: 要查看的图片imageid，存储一列在csv文件里 （目前设计的imageid需要为6位数，如果少