darknet框架 VS2017 平台工具集141

框架 VS2017 平台工具集141"/>

darknet框架 VS2017 平台工具集141

前言

YOLOv3发布已一年有余，作者小哥twitter每天4,5条推文分享生活，v3论文里悔不当初地说自己在社交网络上浪费了青春的话显然已忘在脑后。替他粉丝问一句，咱的YOLOv4啥时候出？mAP榜单等着你横扫呢~

作为一个经典的DL目标检测网络，YOLOv3流程清晰，模块齐全，包含了anchor选取，特征图提取，BN，Leakey Relu，深度残差结构，多尺度训练，多尺度预测，类别逻辑回归，BBox线性回归，联合loss function，NMS筛选...是一个不错的目标检测的入门网络结构。

除了原生的C语言版本darknet，YOLOv3还被移植到了几乎所有深度学习平台上。本文挑选了三个最出色的移植，做了一些修修补补的工作(代码重构，增加统一的coco evaluate模块)。尽管这一年出现了不少新的优化技巧，但是本文代码力求还原C语言的darknet，所有改动都是基于尊重原作的基础上进行的。

汇总资源

NO.1 PyTorch版本的YOLOv3（From utralytics）：

PyTorch作为目前热度上升最快的深度学习框架，主要优势就是，模型的搭建和训练都变得很直观，简洁优雅，高效快速。缺点是，出现的比TF晚，大家接受会有一个过程，盘子还没有TF大。目前看来，这个差距在加速缩小中。

muyiguangda/pytorch-yolov3​github

NO.2 TensorFlow-Keras版本的YOLOv3（From qqwweee）：

Keras是一个跨平台的高级神经网络API，需要构建在第三方平台上。很适合新手，适合快速实现想法，验证模型。已被TensoFlow内置。不过，Keras有些过度封装，导致在做一些深入的实验时，你需要自定义很多东西。

muyiguangda/tensorflow-keras-yolov3​github

NO.3 TensorFlow-Slim版本的YOLOv3（From yunyang1994）：

Slim是TensoFlow的内建模块，用于简化模型的搭建，增加代码易读性和可维护性，尤其是超参数方面的简化。缺点是，对多GPU的模型训练支持不太好，而且这个模块已经渐渐受到了google的冷落，这导致了社区不够活跃，遇到难解决的问题，只能自己刨坑了(lll￢ω￢)

muyiguangda/tensorflow-slim-yolov3​github

主要改进

1. 重构了部分代码，使结构更简洁，层次更清晰；
2. 对预测流程进行了优化和还原，使其更贴近原始的C语言版本darknet的设计逻辑；
3. 增加了cocoapi的mAP检测模块，使用官方统一的评价标准来比较结果；
4. 增加了中文注释，适合学习入门（持续增加中）；

COCO数据集测试结果

使用官方yolov3.weights，三个移植版与原始版代码在cocoapi上的测试结果，以及和论文中的结果的比较（仅供参考）：

两个主要参数的选择，NMS阈值是0.5，Score阈值是0.001。

多聊几句

在后YOLOv3时代的一年里，涌现了很多很有趣的工作：比如基于anchor-free的cornerNet及它的子孙cornerNet-Lite，extremeNet，centerNet（其实YOLO v1也是anchor-free的设计）；再比如使用IoU做loss的GIoU，IoU-Net；也少不了attention机制的深度调节。这些论文，如果有感兴趣的，后续可以聊一聊。

参考代码

浩克匠心：【目标检测简史】YOLOv3的实景大片儿（含源码）​zhuanlan.zhihu 浩克匠心：【目标检测简史】进击的YOLOv3，目标检测网络的巅峰之作​zhuanlan.zhihu

原创声明：本文系原创文章，未经作者本人允许，请勿在任何网站或其他媒介上进行转载。谢谢配合！