YOLOv1 模型构建与训练

原创

已于 2024-04-17 12:25:30 修改 · 723 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #深度学习 #神经网络 #人工智能 #计算机视觉 #tensorflow #python

于 2024-04-16 20:43:37 首次发布

本文详细介绍了如何基于YOLOv1构建模型，选择ResNet替换原论文方案以提高训练速度，并分享了模型训练过程，包括使用TensorFlow的分段衰退方法和自定义的学习率衰减策略。

相关文章

YOLOv1 论文简要
YOLOv1 数据集加载
YOLOv1 损失函数
YOLOv1 模型构建与训练
YOLOv1 目标检测

项目地址：YOLOv1 VOC 2007

笔者训练的权重地址：阿里云盘分享

10 秒文章速览

本文主要讲解了 YOLOv1 的模型构建、模型训练

模型构建

对于模型的构建，我们不采用论文中的方案，而是使用 ResNet 模型。至于为什么，在笔者的观测下，ResNet练的训练速度明显更快

YOLOv1 模型

但在这里笔者还是贴出论文中的模型，向前辈致敬🫡

# 根据原论文构建的模型
def get_YOLOv1():
    model = keras.Sequential([
        keras.layers.Conv2D(64, (7, 7), 2, 'same'),
        keras.layers.LeakyReLU(0.1),
        keras.layers.MaxPool2D((2, 2), 2),

        keras.layers.Conv2D(192, (3, 3), 1, 'same'),
        keras.layers.LeakyReLU(0.1),
        keras.layers.MaxPool2D((2, 2), 2),

        keras.layers.Conv2D(128, (1, 1), 1, 'same'),
        keras.layers.LeakyReLU(0.1),
        keras.layers.Conv2D(256, (3, 3), 1, 'same'),
        keras.layers.LeakyReLU(0.1),
        keras.layers.Conv2D(256, (1, 1), 1, 'same'),
        keras.layers.LeakyReLU(0.1