本项目旨在采用手撸YOLO模型的方式，来带大家一起在小型数据集上复现YOLO算法，目前计划里打算对YOLO V1，V3，V5，V8等进行手撸。
我们计划首先编写一套可以共用的数据 pipeline ( dataset , dataloader ), 最终采取较为统一的基于 Pytorch的简单算法接口，并进行在关键通用数据集上的精度对齐。
欢迎感兴趣的有算力的小伙伴加入我们, 一起手撸YOLO模型!!
YOLO V3 from scratch Notebook 中对使用的coco8和coco128数据集进行了探索性数据分析(EDA)，大家可以根据自己需要查看.
内容大纲如下
- 手撸YOLOv3
- 主要参考代码
- 执行环境与关键python库
- 数据集检查
- COCOYOLODataset
- dataset和dataloaders
- COCODataset
- create_dataloaders
- 测试dataloader和可视化
- 添加matplotlib中文支持
- plot_image_with_boxes
- test_visualization
- YOLOLoss
- YOLOv3 Model
- ConvLayer
- ResBlock
- make_conv_and_res_block
- YoloLayer（Used in DetectionBlock ）
- DetectionBlock（类似Neck）
- DarkNet53BackBone（Backbone）
- YoloNetTail（Neck+Head）
- YoloNetV3（Model）
- test_yolov3_output_shape测试函数
- YOLOEvaluator
- low_confidence_suppression
- non_max_suppression
- calculate_map
- calculate_ap
- box_iou
- evaluate_model
- YOLOV3_Lightning与可视化预测框
- YOLOV3_Lightning
- visualize_predictions
- test_nms_pipeline
- training main函数
- YOLOModule（对上面代码的改进）
- 问题
- plot_training_metrics