tensorflow-yolov3 issues

Results 114 tensorflow-yolov3 issues

Sort by recently updated

Anyone tried to convert the model to tflite? I tried but had error...

Hello, I followed your steps to freeze the ckpt model to frozen graph .pb and then I use `toco --graph_def_file=yolov3_coco.pb --output_file=yolov3.tflite --input_format=TENSORFLOW_GRAPHDEF --output_format=TFLITE --input_shape=1,1,1,1 --input_array=input/input_data --output_array=pred_sbbox/concat_2,pred_mbbox/concat_2,pred_lbbox/concat_2 --input_data_type=FLOAT --inference_type=FLOAT --allow_custom_ops `...

WeiyiLi

Converting .pb to .tflite ?

Hi, Do anyone able to convert the freeze .pb file to .tflite ?

Kapil-23

用ckpt去evaluate效果不错，但是用freeze_graph转成pb文件后检测效果就很差

用ckpt去evaluate效果不错，但是用freeze_graph转成pb文件后检测效果就很差。没有改过网络结构，唯一改动的就是根据自己的数据集改一改类别数等等，并且将evaluate.py文件中的trainable置为True。有人遇到过类似的问题吗？

DeeeeepL

Stuck

26 img_ori = cv2.imread(input_image) 27 if letterbox_resize: ---> 28 img, resize_ratio, dw, dh = letterbox_resize(img_ori, new_size[0], new_size[1]) 29 else: 30 height_ori, width_ori = img_ori.shape[:2] TypeError: 'bool' object is not callable...

GitAlex19

3d detection

how to use yolov3 to detect 3d object?

chen-yuu

作者的代码真的很优秀！为了方便新手和需要部署的人使用，我基于作者的代码做了一些细节上的优化（增加中文注释，修改网络结构，保存视频，serving部署等）！

https://github.com/Byronnar/tensorflow-serving-yolov3 下面是修改的部分： 1 修改了网络结构，支持了tensorflow-serving部署,自己训练的数据集也可以在线部署,并给出了 docker+yolov3-api测试脚本 2 修改了ulits文件，优化了demo展示,可以支持中文展示,添加了字体 3 详细的中文注释,代码更加易读,添加了数据敏感性处理,一定程度避免index的错误 4 修改了训练代码，支持其他数据集使用预训练模型了，模型体积减小二分之一(如果不用指数平滑，可以减小到200多M一个模型，减小三分之二），图片视频demo展示完都支持保存到本地,十分容易操作 5 借鉴视频检测的原理,添加了批量图片测试脚本,速度特别快(跟处理视频每一帧一样的速度)，视频检测可以显示帧数跟ms了 6 添加了易使用的Anchors生成脚本以及各步操作完整的操作流程 7 添加了 Mobilenetv2 backbone，支持训练模型，模型大小70多M

Byronnar

enhancement

请问您有相关的yolov3部署的教程吗？开发板或者服务器

JSDXUSE

提一个bug，固定的一组anchors用于多尺度训练存在不严谨。

1，在core/config.py：line41中，指定了一组size，训练时会随机从中选取某个尺寸作为输入图片预处理得到的输入tensor的shape。 __C.TRAIN.INPUT_SIZE = [320, 352, 384, 416, 448, 480, 512, 544, 576, 608] 2，anchors/coco_anchors.txt中值是原始聚类结果，分三个head，依次除以8、16、32得到 anchors/basline_anchors.txt 中的结果。这里的8、16、32是head的w和h相比输入的缩小比例，作者定义为strides。 3，在core/yolov3.py中head部分，即decode逻辑，line123如下， pred_wh = (tf.exp(conv_raw_dwdh) * anchors) * stride 这里的anchors*stride及恢复了原始聚类结果。然后问题来了，我们通过聚类得到anchors，其单位是依赖与模型的输入shape的，也就是说，输入shape为608*608还是416*416，聚类得到的原始anchors是不一样的，依次除以相同的8、16、32倍后得到的作者定义的anchors也是不同的。如果固定anchors而不固定输入的shape，就会存在实际候选的anchors不是相应输入shape下最合理的anchors的情况。举个极端的例子，某个anchor尺寸乘回stride后，如其宽度为500，这在608尺寸下是合理的，在320尺寸下直接超过画面尺寸的情况，这显然是不合理的。虽然训练不会出现太大的问题，但是与我们通过聚类得到合适的anchors以使训练简化这一目标有点不match。

wangruo91