目标检测0-00：YOLO V3-tensoeflow论文复现及训练

以下链接是个人关于YOLO V3所有见解，如有错误欢迎大家指出，我们第一时间纠正，如有兴趣可以加微信：17575010159 相互讨论技术。 目标检测0-00：YOLO V3目录-史上最全

一：资源链接

已经有的资源，我就不浪费时间了，直接给出链接： 1.YOLO V3论文 2.针对YOLO V3各种深度学习框架的复现，如TensorFlow，Keras，PyTorch，感谢这位热心大佬，各种框架基本包揽

二：tensorflow模型复现

接下来所有讲解的内容，都是基于：https://github.com/YunYang1994/tensorflow-yolov3 在这里先对大佬致敬，下载之后，阅读其中的README.md根据其中的操作，可以进行测试以及训练。这里我提一下几个要注意的地方.

（1）README.md中，原存在：

VOC           # path:  /home/yang/test/VOC/
├── test
|    └──VOCdevkit
|       └──VOC2007 (from VOCtest_06-Nov-2007.tar)
└── train
     └──VOCdevkit
             └──VOC2007 (from VOCtrainval_06-Nov-2007.tar)
                     └──VOC2012 (from VOCtrainval_11-May-2012.tar)

需要对齐进行更改，如下：

VOC           # path:  /home/yang/test/VOC/
├── test
|    └──VOCdevkit
|       └──VOC2007 (from VOCtest_06-Nov-2007.tar)
└── train
     └──VOCdevkit
             └──VOC2007 (from VOCtrainval_06-Nov-2007.tar)
             └──VOC2012 (from VOCtrainval_11-May-2012.tar)

即VOC2007与VOC2012是在同一目录下的。

（2）执行scripts/voc_annotation.py时，需要打开

    num1 = convert_voc_annotation(os.path.join(flags.data_path, 'train/VOCdevkit/VOC2007'), 'trainval', flags.train_annotation, True)
    num2 = convert_voc_annotation(os.path.join(flags.data_path, 'train/VOCdevkit/VOC2012'), 'trainval', flags.train_annotation, True)
    num3 = convert_voc_annotation(os.path.join(flags.data_path, 'test/VOCdevkit/VOC2007'),  'test', flags.test_annotation, True)

即把原本的Fasle更改成True。

（3）我在根据README.md运行python convert_weight.py会报错，大概的原因是我的tensoeflow版本比较低。

（4）训练的时候，我把core/config.py中__C.TRAIN.BATCH_SIZE设置为1，没办法，只有1的时候我的GPU才能承受，希望你的电脑比我的会好很多。

三：深度的解析，从现在开始

如果你已经按照大佬们的方法，学会了训练数据，那么我们就开始深度解析吧，不放过任何一个算法以及代码注释（太简单的忽略），如有兴趣，可以加QQ：944284742进行讨论，错误地方欢迎指出，我会第一时间进行更正。 我一年什么都没有做，哈哈哈哈。