NOTE: This project is no longer maintained and may not compatible with the newest pytorch (after 0.4.0).
This is a PyTorch implementation of YOLOv2. This project is mainly based on darkflow and darknet.
I used a Cython extension for postprocessing and
multiprocessing.Pool for image preprocessing.
Testing an image in VOC2007 costs about 13~20ms.
For details about YOLO and YOLOv2 please refer to their project page and the paper: YOLO9000: Better, Faster, Stronger by Joseph Redmon and Ali Farhadi.
并且此处，我对yolo9000 做了些许的修改和中文注释，方便中国和世界的朋友使用yolo在其他工程运用上
本人的理解有限，如果有什么不对的地方，欢迎批评指正
-
Clone this repository 你可以拷贝我的yolo 从github 上
-
进入yolo 主文件夹 bash make.sh
训练自己的yolov2 这里你需要构建一个软连接到你下载的训练集，这里以voc2012 为例子进入data 文件夹
ln -s [源文件目录] VOCdevkit2012
以下给你提供了一些voc 的数据集：
bash wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
-
下载预训练模型pretrained darknet19 model and set the path in
yolo2-pytorch/cfgs/exps/darknet19_exp1.py.
特别注意这里下载下来的权重要放在model weights 里头，这个操作非常的简单 你只需要软连接的建立一个weights 文件夹在 model 里头即可 -
训练 你可以在cfg 文件夹中修改所有的操作，包括训练的batch size ，你预先定义的prior，还有个数，学习率等等
-
Run the training program:
python train.py.
在测试过程中你可以修改test.py 中的几个函数，其中一个是glob.glob(*)你所存放的测试图片名，里头存放了你要测试的所有图片
另外你还可以在dataTransform.xmlWrite里头写入你要存放的xml结果位置
最后通过我们的小工具./linux_v1.4.0/labelImg 来导入图片于xml 来可视化你的结果
License: HIT license (HIT)