pytorch 从头开始YOLOV3（一）：COCO数据集准备和读取

最新推荐文章于 2025-05-22 20:15:28 发布

原创

最新推荐文章于 2025-05-22 20:15:28 发布 · 1.6w 阅读

77 ·

CC 4.0 BY-SA版权

本文详细介绍了如何在PyTorch中从头开始实施YOLOv3目标检测模型，重点是COCO数据集的准备和读取。内容包括文件组织结构、数据集下载、配置文件设置以及数据加载函数的使用。参考链接和GitHub资源也已提供。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

YOLOV3是工业上可以用的兼顾速度和准确率的一个深度学习目标检测模型,本系列文章将详细解释该模型的构成和实现,本文代码借鉴:https://github.com/eriklindernoren/PyTorch-YOLOv3

YOLOv3: An Incremental Improvement：https://pjreddie.com/media/files/papers/YOLOv3.pdf

原理在该篇博客就写的很详细了,这里就不赘述了:https://blog.youkuaiyun.com/leviopku/article/details/82660381

https://www.jianshu.com/p/d13ae1055302

github地址:https://github.com/18150167970/YOLOV3_pytorch

1.文件组织架构

├── checkpoints/  #模型
├── data/  #数据
│   ├── get_coco_dataset.sh
│   ├── coco.names
├── utils/  #使用的函数
│   ├── __init__.py
│   ├── datasets.py
│   └── utils.py
├── config/  #配置文件
├── output/  #输出预测
├── weights/ #模型权重
├── README.md 
├── models.py #模型
├── train.py  #训练
├── test.py   #测试
├── detect.py #快速使用模型
└── requirements.txt  #环境

2.下载数据集

get_coco_dataset.sh 文件: 下载数据集并且制作训练集绝对路径文本

#!/bin/bash

# CREDIT: https://github.com/pjreddie/darknet/tree/master/scripts/get_coco_dataset.sh

# Clone COCO API
git clone https://github.com/pdollar