来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出的YOLOv3 通过在 YOLO 中加入设计细节的变化，这个新模型在取得相当准确率的情况下实现了检测速度的很大提升，一般它比 R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。

这里附上 YOLOv3 的论文地址：

本文的项目作者是 wizyoung，原 GitHub 项目地址为：

1. 介绍

本文将介绍 YOLO3 的完整 TensorFlow 实现。可在自己的数据集上进行完整的训练和验证操作，pipeline 完整。其特点包括：

高效的 tf.data 管道

权重转换

GPU 提速，无限制

完整的训练管道

使用 kMeans 算法来选择 anchor boxes

多 GPU 同步训练

2. 需求

tensorflow >= 1.8.0(不排除低版本也能工作)

opencv-python

3. 权重转换

预训练的 darknet 权重文件可从下方链接下载：

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

把下载好后的文件放在 ./data/darknet_weights/ 目录下，运行下面的命令：

然后，转换后的 TensorFlow checkpoint 文件将被保存在 ./data/darknet_weights/ 目录下。

4. 运行 demos

在 ./data/demo_data/ 目录里有一些图像和视频的 demos 可以运行。

单个图像测试 demo：

视频测试 demo：

结果展示：

5. 运行速度

图片尺寸为 416×416，论文实现与我的模型运行速度比较如下：

为什么会这么快呢？我们看一下论文中 ImageNet 分类情况：

6. 模型结构

为了更好地理解模型体系结构，可以参考下图：

7. 训练

首先是数据准备，分为三步。

1)annotation file

在 ./data/my_data/ 目录下生成 train.txt/val.txt/test.txt 文件。txt 文件中一行表示一张图片，形式为：图片绝对路径 + box_1 + box_2 + … + box_n。Box 的形式为：label_index + x_min + y_min + x_max + y_max，原始坐标为图片左上角。

例如：

xxx/xxx/1.jpg 0 453 369 473 391 1 588 245 608 268

xxx/xxx/2.jpg 1 466 403 485 422 2 793 300 809 320

…

注意：每个 txt 文件最后一行为空白行。

2)class_names file

在 ./data/my_data/ 目录下生成 data.names 文件，每一行代表一个类别名称。例如：

bird

person

bike

…

3)prior anchor file

使用 kMeans 算法来选择 anchor boxes：

然后，你将得到 9 个 anchors 和评价 IOU，把 anchors 保存在 txt 文件中。

准备完数据之后就可以开始训练了。

使用 train.py 文件，函数参数如下：

8. 评价

使用 eval.py 来评估验证集和测试集，函数参数如下：

函数返回 loss、召回率 recall、精准率 precision，如下所示：

recall: 0.927, precision: 0.945

total_loss: 0.210, loss_xy: 0.010, loss_wh: 0.025, loss_conf: 0.125, loss_class: 0.050

9. 其它技巧

训练的时候可以尝试使用下面这些技巧：

Data augmentation：使用 ./utils/data_utils.py 中的 data_augmentation 方法来增加数据。

像 Gluon CV 一样混合和 label 平滑。

正则化技巧，例如 L2 正则化。

多尺度训练：你可以像原稿中的作者那样定期改变输入图像的尺度(即不同的输入分辨率)。

完整代码请见 GitHub：

参考文献：

https://github.com/YunYang1994/tensorflow-yolov3

https://github.com/qqwweee/keras-yolo3

https://github.com/eriklindernoren/PyTorch-YOLOv3

https://github.com/pjreddie/darknet