应用yolov3模型进行目标检测
发布时间
阅读量：
阅读量
概述
在物体识别领域中，存在众多可供应用的算法。然而，yolo系列模型作为不可忽视的一类单阶段模型，尤其是以darknet53作为主干网络的yolov3版本，成功将整体性能提升至全新高度。本部分内容将阐述如何借助yolov3的预训练模型对自定义数据集进行训练操作。关于yolov3的源代码，可参考以下提供的github链接 https://github.com/ultralytics/yolov3>
1、数据集目录结构
首先应通过git命令将yolov3的源代码进行克隆操作，这一过程对于大多数使用者而言较为熟悉，因此此处不再详细说明。
工程文件需依照以下结构进行组织
> 1. ./customdata
>
> 2. ├── images
>
> 3. │ ├── test
>
> 4. │ └── train
>
> 5. └── labels
>
> 6. ├── test
>
> 7. └── train
>
> 8. yolov3
>
> 9. ├──…
>
>
>
>
> ```
其中custormdata代表用户自定义数据集的结构形式，该结构全部评论 (0)
还没有任何评论哟~