rtx7090/pytorch_yolov1

A new version of YOLOv1

PyTorch_YOLOv1

这个YOLOv1项目是配合我在知乎专栏上连载的《YOLO入门教程》而创建的：

https://zhuanlan.zhihu.com/c_1364967262269693952

感兴趣的小伙伴可以配合着上面的专栏来一起学习，入门目标检测。

另外，这个项目在小batch size 的情况，如batch size=8，可能会出现nan的问题，经过其他伙伴的调试， 在batch size=8时，可以把学习率lr跳到2e-4，兴许就可以稳定炼丹啦！ 我自己训练的时候，batch size 设置为16或32，比较大，所以训练稳定。

当然，这里也诚挚推荐我的另一个YOLO项目，训练更加稳定，性能更好呦

https://github.com/yjh0410/PyTorch_YOLO-Family

网络结构

• Backbone: ResNet-18
• Neck: SPP

训练所使用的tricks

• 多尺度训练 (multi-scale)

数据集

VOC2007与VOC2012数据集

读者可以从下面的百度网盘链接来下载VOC2007和VOC2012数据集

链接：https://pan.baidu.com/s/1IYlFqRjoet9jCkq1bXyuog

提取码：074w

读者会获得 VOCdevkit.zip压缩包, 分别包含 VOCdevkit/VOC2007 和 VOCdevkit/VOC2012两个文件夹，分别是VOC2007数据集和VOC2012数据集.

COCO 2017 数据集

运行 sh data/scripts/COCO2017.sh，将会获得 COCO train2017, val2017, test2017三个数据集.

实验结果

VOC2007 test 测试集

Model	Input size	mAP	Weight
YOLOv1	320×320	64.8	-
YOLOv1	416×416	69.2	-
YOLOv1	512×512	71.8	-
YOLOv1	608×608	73.3	github

COCO val 验证集

Model	Input size	AP	AP50	AP75	Weight
YOLOv1	320×320	13.7	29.6	11.3	-
YOLOv1	416×416	16.4	34.7	13.9	-
YOLOv1	512×512	18.1	37.9	15.5	-
YOLOv1	608×608	18.6	39.0	15.6	github

大家可以点击表格中的github来下载模型权重文件。