欢迎访问我的网站,希望内容对您有用,感兴趣的可以加入免费知识星球。

Gaussian_Yolov3

YOLO 迷途小书童 4年前 (2019-12-16) 2881次浏览 0个评论

Gaussian-YOLOv3

Gaussian-YOLOv3YOLOv3的改进版,它利用高斯分布的特性(也叫正态分布,详见参考资料),改进YOLOv3,使得网络能够输出每个检测框的不确定性,从而提升了网络的精度。

关于YOLOv3的相关知识,可以参考我之前的两篇文章,Darknet基本使用YOLOv3训练自己的检测模型

YOLOv3识别出的目标类别是有置信度的,但目标框只有位置而没有置信度,也就是说,从结果中无法预知当前目标框的可靠性。基于这一点,Gaussian-YOLOv3利用Gaussian模型来对网络输出进行建模,在基本不改变YOLOv3网络结构和计算量的情况下,能够输出每个预测框的可靠性,并且在算法总体性能上提升了3个点的mAP

代码实践

Gaussian-YOLOv3的源码已经在Github上开源,可以直接clone下来

git clone https://github.com/jwchoi384/Gaussian_YOLOv3
cd Gaussian_YOLOv3
make

CUDA的安装可以参考这篇安装CUDA,如果缺少opencv相关的库,可以通过sudo apt-get install libopencv-dev来安装

测试之前需要下载个训练好的weights文件,地址是https://drive.google.com/file/d/1Eutnens-3z6o4LYe0PZXJ1VYNwcZ6-2Y/view,它是由Berkeley Deep Drive数据集训练而来,这个数据集的下载地址是https://bdd-data.berkeley.edu/

最后,来张图片测试一下

./darknet detector test cfg/BDD.data cfg/Gaussian_yolov3_BDD.cfg Gaussian_yolov3_BDD.weights data/example.jpg

Gaussian_yolov3

另外,像配置文件的修改、模型的训练、模型的验证等操作跟YOLOv3基本是一模一样的,本文就不赘述了,不了解的话,可以看看参考资料中的链接。

如果无法访问谷歌云盘,请到这里下载weights文件。

参考资料

喜欢 (0)

您必须 登录 才能发表评论!

Ads Blocker Image Powered by Code Help Pro

Ads Blocker Detected!!!

请关闭 Adblock 等类似浏览器插件,然后刷新页面访问,感谢您的支持!

We have detected that you are using extensions to block ads. Please support us by disabling these ads blocker.