Darknet: Open Source Neural Networks in Chttps://pjreddie.com/darknet/

YOLO: Real-Time Object Detectionhttps://pjreddie.com/darknet/yolo/

Pre-Trained Modelshttps://pjreddie.com/darknet/imagenet/

yolo_voc.cfg中參數(shù)

第一個(gè)net

[net] batch=64 //每次迭代要進(jìn)行訓(xùn)練的圖片數(shù)量 subdivisions=8// height=416 //圖像縮放后的大小 width=416 channels=3//彩色圖像 momentum=0.9 decay=0.0005 angle=0 //角度 saturation = 1.5 //飽和度 exposure = 1.5 //曝光度 hue=.1 //色調(diào) learning_rate=0.0001 max_batches = 32000//最大訓(xùn)練迭代次數(shù) policy=steps steps=100,20000，30000 scales=10,.1,.1 【解釋】 batch：每次迭代要進(jìn)行訓(xùn)練的圖片數(shù)量 subdivisions：batch中的圖片再產(chǎn)生子集，源碼中的圖片數(shù)量int imgs = net.batch * net.subdivisions * ngpus width：輸入圖片寬度， height：輸入圖片高度，channels ：輸入圖片通道數(shù)對(duì)于每次迭代訓(xùn)練，YOLOv2會(huì)基于角度(angle)，飽和度(saturation)，曝光(exposure)，色調(diào)(hue)產(chǎn)生新的訓(xùn)練圖片 angle：圖片角度變化，單位為度，假如angle=5，就是生成新圖片的時(shí)候隨機(jī)旋轉(zhuǎn)-5~5度 saturation & exposure: 飽和度與曝光變化大小，tiny-yolo-voc.cfg中1到1.5倍，以及1/1.5~1倍 hue：色調(diào)變化范圍，tiny-yolo-voc.cfg中-0.1~0.1 max_batches：最大迭代次數(shù)

中間的網(wǎng)絡(luò)結(jié)構(gòu)不列出了，看最后一個(gè)卷積層

[convolutional] batch_normalize=1 size=3 stride=1 pad=1 filters=1024 //卷積核的個(gè)數(shù) activation=leaky//leaky激活函數(shù)，大于0的為x,小于0的為0[convolutional] size=1 stride=1 pad=1 filters=40//用3類訓(xùn)練，所以5*（3+4+1） activation=linear [region]最后一層 anchors = 1.08,1.19, 3.42,4.41, 6.63,11.38, 9.42,5.11, 16.62,10.52 bias_match=1 classes=3//類別數(shù) coords=4 // num=5 softmax=1 jitter=.2 rescore=1雖然region(YOLOv1的detection)在最后一層，但是很多參數(shù)都是一開始就載入使用的，尤其是對(duì)于圖片數(shù)據(jù)處理的參數(shù) classes：類別數(shù)量 coords：BoundingBox的tx,ty,tw,th，tx與ty是相對(duì)于左上角的gird，同時(shí)是當(dāng)前grid的比例，tw與th是寬度與高度取對(duì)數(shù) num：每個(gè)grid預(yù)測(cè)的BoundingBox個(gè)數(shù) jitter：利用數(shù)據(jù)抖動(dòng)產(chǎn)生更多數(shù)據(jù)，YOLOv2中使用的是crop，filp，以及net層的angle，flip是隨機(jī)的，crop就是jitter的參數(shù)，tiny-yolo-voc.cfg中jitter=.2，就是在0~0.2中進(jìn)行crop anchors：預(yù)測(cè)框的初始寬高，第一個(gè)是w，第二個(gè)是h，總數(shù)量是num*2，YOLOv2作者說anchors是使用K-MEANS獲得，其實(shí)就是計(jì)算出哪種類型的框比較多，可以增加收斂速度，如果不設(shè)置anchors，默認(rèn)是0.5，還有就是anchors讀入?yún)?shù)中名字是biases 這里有一個(gè)計(jì)算樣本anchors的Python腳本，anchors生成腳本 bias_match：如果為1，計(jì)算best iou時(shí)，預(yù)測(cè)寬高強(qiáng)制與anchors一致 softmax：如果為1，使用softmax rescore：決定使用哪種方式計(jì)算IOU的誤差，為1時(shí)，使用當(dāng)前best iou計(jì)算，為0時(shí)，使用1計(jì)算 object_scale & noobject_scale & class_scale & coord_scale：YOLOv1論文中cost function的權(quán)重，哪一個(gè)更大，每一次更新權(quán)重的時(shí)候，對(duì)應(yīng)方面的權(quán)重更新相對(duì)比重更大 thresh：決定是否需要計(jì)算IOU誤差的參數(shù)，大于thresh，IOU誤差不會(huì)夾在cost function中 random：如果為1每次迭代圖片大小隨機(jī)從320到608，步長(zhǎng)為32，如果為0，每次訓(xùn)練大小與輸入大小一致

總結(jié)

以上是生活随笔為你收集整理的2—YOLO2的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。