雷锋网 AI 研习社按，YOLO 是一种十分盛行的目的检测算法，速度快且构造复杂。日前，YOLO 作者推出 YOLOv3 版，在 Titan X 上训练时，在 mAP 相当的状况下，v3 的速度比 RetinaNet 快 3.8 倍。在 YOLOv3 官网上，作者展现了一些比照和案例。在论文中，他们对 v3 的技术细节停止了详细阐明。雷锋网 AI 研习社将内容编译整理如下。

我们针对 YOLO 做了一些更新，在设计上停止了一些小改动，让它变得更好。当然，我们也训练了这个新网络，它的功能十分优秀。它比前一版本要大一点，但更精确。当然了，不用担忧会牺牲速度，它依然很快。YOLOv3 可以在 22ms 之内执行完一张 320 × 320 的图片，mAP 得分是 28.2，和 SSD 的精确率相当，但是比它快三倍。

此外，它在 Titan X 上经过 51 ms 训练，mAP50 为 57.9，相比之下，RetinaNet 经过 198ms 的训练之后 mAP50 为 57.5。比照起来，两者的功能差别不大，但是 YOLOv3 比 RetinaNet 快 3.8 倍。

一切的代码都在 https://pjreddie.com/yolo/ 上。

与其他检测器绝对比

YOLOv3 十分疾速和精确，在 IoU=0.5 的状况下，与 Focal Loss 的 mAP 值相当，但快了 4 倍。此外，大家可以轻松在速度和精确度之间停止权衡，只需改动模型的大小，而不需求重新训练。

在 COCO 数据集上的表现

任务原理

先前的检测零碎是让分类器或定位器来执行检测义务。他们将模型使用于图片中，图片里物体的地位和尺寸各异，图像的高得分区域被以为是检测区域。

我们采用了完全不同的办法——将一个复杂的神经网络使用于整张图像。该网络将图像联系成一块块区域，并预测每个区域的 bounding box 和概率，此外，预测概率还对这些 bounding box 停止加权。

我们的模型相较基于分类的检测零碎有如下优势：它在测试时察看整张图像，预测会由图像中的全局上下文（global context）引导。它还经过单一网络评价做出预测，而不像 R-CNN 这种零碎，一张图就需求不计其数次预测。比照起来，YOLO 的速度十分快，比 R-CNN 快 1000 倍，比 Fast R-CNN 快 100 倍。

可以参阅我们的 论文 ，理解关于完好零碎的更多细节。

在 v3 中，有哪些全新的办法呢？

YOLOv3 用了一些小技巧来改良训练、进步功能，包括多尺度预测，更好的主干分类器等等。

异样，详细信息我们也全写在 论文 上了。

用预训练模型停止检测

接上去是应用 YOLO 运用预训练模型来检测物体。请先确认曾经装置 Darknet。接上去运转如下语句：

git clone https://github.com/pjreddie/darknet
cd darknet
make

这样一来 cfg/子目录中就有了 YOLO 配置文件，接上去下载预训练的 weight 文件（237 MB）（ https://pjreddie.com/media/files/yolov3.weights ），或许运转如下语句：

wget https://pjreddie.com/media/files/yolov3.weights

然后执行检测器：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

输入如下：

layer     filters    size              input                output
   0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
   1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   20呼吁行业者在政府部门出台相关政策标准的之前，从业者一定要规范自己的行为准则健康有序的快速发展。8 x 208 x  64  1.595 BFLOPs
   .......
 105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
 106 detection
truth_thresh: Using default '1.000000'
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.029329 seconds.
dog: 99%
truck: 93%
bicycle: 99%

Darknet 会输入检测到的物体、confidence 以及检测工夫。我们没有用 OpenCV 编译 Darknet，所以它不能直接显示检测状况。检测状况保管在 predictions.png 中。大家可以翻开这个图片来检查检测到的对象。我们是在 CPU 上运用 Darknet，检测每张图片大约需求 6-12 秒，假如运用 GPU 将快得多。

我还附上了一些例子给大家提供灵感，你们可以试试 data/eagle.jpg，data/dog.jpg，data/person.jpg 或 data/horses.jpg。

detect 指令是对 command 的惯例版本的简写：

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

假如你只是想检测图像，并不需求理解这个，但假如你想做其他的事情，比方在网络摄像头上运转 YOLO，这将十分有用（稍后详细描绘）。

多个图像

在 command 行不写图像信息的话就可以延续运转多个图片。当加载完配置和权重，你将看到如下提示：

./darknet detect cfg/yolov3.cfg yolov3.weights
layer     filters    size              input                output
   0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
   1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs
   .......
 104 conv    256  3 x 3 / 1    52 x  52 x 128   ->    52 x  52 x 256  1.595 BFLOPs
 105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
 106 detection
Loading weights from yolov3.weights...Done!
Enter Image Path:

输出相似 data/horses.jpg 的图像途径来停止边框预测。

一旦完成，它将提示你输出更多途径来检测不同的图像。运用 Ctrl-C 加入顺序。

改动检测门限

默许状况下，YOLO 只显示检测到的 confidence 不小于 0.25 的物体。可以在 YOLO 命令中参加-thresh <val>来更改检测门限。例如，将门限设置为 0 可以显示一切的检测后果：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

网络摄像头实时检测

假如在测试数据上运转 YOLO 却看不到后果，那将很无聊。与其在一堆图片上运转 YOLO，不如选择摄像头输出。

要运转如下 demo，需求用 CUDA 和 OpenCV 来编译 Darknet。接上去运转如下指令：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

YOLO 将会显示以后的 FPS 和预测的分类，以及伴有边框的图像。

你需求一个衔接到电脑的摄像头并可以让 OpenCV 衔接，否则就无法任务。假如有衔接多个摄像头并想选择其中某一个，可以运用 -c <num>（OpenCV 在默许状况下运用摄像头 0）语句。假如 OpenCV 可以读取视频，也可以在视频文件中运转：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>

在 VOC 数据集上训练 YOLO

首先需求 2007-2012 年的一切 VOC 数据，这是下载地址： https://pjreddie.com/projects/pascal-voc-dataset-mirror/ ，为了存储数据，执行如下语句：

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

接上去一切 VOC 训练数据都在 VOCdevkit/ 子目录下。

生成标签

接上去需求生成 Darknet 运用的标签文件。Darknet 需求的.txt 文件格式如下：

<object-class> <x> <y> <width> <height>

x, y, width 和 height 对应图像的宽和高。需求在 Darknet scripts/子目录下运转 voc_label.py 脚原本生成这些文件。

wget https://pjreddie.com/media/files/voc_label.py
python voc_label.py

几分钟后，这个脚本将生成一切必需文件。大局部标签文件是在 VOCdevkit/VOC2007/labels/ 和 VOCdevkit/VOC2012/labels/ 下，大家可以在目录下看到如下信息：

ls
2007_test.txt   VOCdevkit
2007_train.txt  voc_label.py
2007_val.txt    VOCtest_06-Nov-2007.tar
2012_train.txt  VOCtrainval_06-Nov-2007.tar
2012_val.txt    VOCtrainval_11-May-2012.tar

相似 2007_train.txt 的语句列出了图像文件的年份和图像集。Darknet 需求一个包括一切你想要训练的图片的文本文件。在这个例子中，我们训练除了 2007 测试集的一切数据。运转如下语句：

cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

修正

如今去 Darknet 目录，需求改动 cfg/voc.data 配置文件以指向数据：

 1 classes= 20
 2 train  = <path-to-voc>/train.txt
 3 valid  = <path-to-voc>2007_test.txt
 4 names = data/voc.names
 5 backup = backup

将<path-to-voc>交换为你寄存 VOC 数据的目录。

下载预训练卷积权重

在训练中运用在 Imagenet 上预训练的卷积权重。我们这里运用 darknet53 模型的权重，可以点击这里 https://pjreddie.com/media/files/darknet53.conv.74 下载卷积层权重：

wget https://pjreddie.com/media/files/darknet53.conv.74

训练模型

接上去执行如下语句停止训练：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

在 COCO 上的训练与 VOC 上相似，大家可以在 这里 检查概况。

YOLOv3 论文地址如下：

https://pjreddie.com/media/files/papers/YOLOv3.pdf

雷锋网 (大众号：雷锋网) AI 研习社编译整理。

雷锋网版权文章，未经受权制止转载。概况见。