使用自己的数据集对Yolov3-v4进行实时对象检测的培训

Question

我有一个实时问题，目的是检测9个物体.据我所知，yolo在实时目标检测问题上有着很好的结果，所以我正在寻找良好的指导，用我定制的“自己”数据集来训练一个预先训练好的yolo模型。

我有我的数据集，它们已经被标记了，而且它们还有约罗格式的.txt文件中的边界框坐标。然而，在web上找到一条关于yolo自定义数据集训练以解决自己的对象检测问题的很好的说明有点混乱，因为指令大多使用COCO、PASCAL等通用数据集，或者它们的指令不足以在自己的数据集上实现对象检测模型。

TL；博士我的问题是，是否有一些关于为自己的数据集实现yolo对象检测的方便的说明？我更多的是寻找框架来实现yolo模型，而不是darknet实现，因为我更熟悉python，所以如果您能够提供Py火炬或Tensorflow实现，那么它将是完美的。

如果您已经使用您自己的数据集实现了yolov3-v4，并且您愿意分享这些说明，那么这将更加实用。

提前谢谢。

Answer 1

为了培训的目的，我强烈推荐AlexeyAB储存库，因为它在准确性和速度方面进行了高度优化，尽管它也是用C编写的，因为测试和部署被认为有很多选择：

• OpenCV的DNN模块:请参阅这文章。
• Tensorflow模型
• Pytorch模型

在这些OpenCV的DNN实现中，测试/推理最快。