tensorflow-yolov3 icon indicating copy to clipboard operation
tensorflow-yolov3 copied to clipboard

🔥 TensorFlow Code for technical report: "YOLOv3: An Incremental Improvement"

Results 114 tensorflow-yolov3 issues
Sort by recently updated
recently updated
newest added

你好,作者。非常感谢你的分享你的代码。我一直关注你的动态。从之前老版本的yolov3,到现在的版本。现在我用你的代码的时候,训练时,起初一开始就Nan,后来我把学习率放低,但是迭代到30几个epoch的时候就Nan了。我用你之前的版本并没有出现过这种情况。还有个奇怪的现象,我之前的学习率一般从0.001开始。现在0.0005,训到30还nan,这点有点奇怪

最近尝试了yunyang1994大神的yolov3版本,现在需要用openvino部署,参考了一些其他仓库的情况,现在转的有问题,不知道有没有大神转成功?分享一下经验。

测试的时候为什么只有一个input_size?图片不是正方形怎么办?

what is the meaning of this parameter in the configuration? Thanks for the response

Hello, How did you get your “basline_anchors.txt”? Thank you

Traceback (most recent call last): File "G:/数据集/tensorflow-yolov3-master/image_demo.py", line 43, in np.reshape(pred_lbbox, (-1, 5 + num_classes))], axis=0) File "G:\anaconda\lib\site-packages\numpy\core\fromnumeric.py", line 292, in reshape return _wrapfunc(a, 'reshape', newshape, order=order) File "G:\anaconda\lib\site-packages\numpy\core\fromnumeric.py", line...

raceback (most recent call last): File "from_darknet_weights_to_pb.py", line 3, in from from_darknet_weights_to_ckpt import load_weights File "/home/tl/tensorflow-yolov3/from_darknet_weights_to_ckpt.py", line 69, in load_ops = load_weights(tf.global_variables(), darknet_weights) File "/home/tl/tensorflow-yolov3/from_darknet_weights_to_ckpt.py", line 56, in load_weights (shape[3],...

![image](https://user-images.githubusercontent.com/35159329/67078619-336a4f80-f1c4-11e9-9ef3-b7cc3543c7ac.png) 如图,输出的检测结果中confidence非常低。 但是下图中用该.ckpt文件转换成的pb进行image_demo测试时,没问题。 ![image](https://user-images.githubusercontent.com/35159329/67078739-73313700-f1c4-11e9-9048-c66dbc9d46c2.png) ----------------- 说明:evaluate.py中self.trainable设置为False时会出现上述问题,设置成True时则可以输出正常的confidence,但是和pb文件检测出来的结果也有比较大的差异,不够这也是正常的毕竟为True的时候表示正在训练。 ------------- 看其他人问的问题有人说是欠拟合,我感觉不是。我把yolo改成20层,数据集用VOC中的person类,而且训练的loss已经在很多个epoch内应为训练次数没有下降。而且既然欠拟合,为什么pb测试出来的效果还可以接受呢?

![image](https://user-images.githubusercontent.com/33168981/57059209-b9faa580-6ce6-11e9-8355-27fe8f24e774.png)

* 1. 准备数据,制作训练时需要的文件(data文件夹下面的四个文件:数据类名,锚框,训练数据,测试数据) * 2. 根据步骤1修改core/config.py文件 * 3. 基于yolo原始权重训练,(或者从头训练)(这步教程写的很清楚) * 4. 当loss为1左右时,模型就已经有效果了,训练过程中会保存很多模型,选择一个loss最小的,并根据所选择的模型名修改freeze_graph.py,修改后运行freeze_graph.py,会在项目根目录生成***.pb文件 * 5. 修改demo文件,如修改video_demo.py,修改调用的***.pb文件路径,修改num_class为自己数据类个数

good first issue