用张量模型实现yolo模型

Question

我正在使用CNN进行目标检测，我知道有几种模型，如滑动窗口，基于区域的CNN，基于快速区域的，最后Yolo。我希望在张量流中实现Yolo模型，并在网上搜索过，但找不到任何有用的东西。谁能评论一下如何使用张量流实现Yolo模型，同时我知道有一个Tensorflow API用于对象检测，使用这个API和直接应用Yolo模型有什么区别？任何对编写此目的代码有帮助的在线材料。问候

Answer 1

您正在寻找https://github.com/thtrieu/darkflow，它是tensorflow中的yolo实现。点击这里查看我们的"Siraj raval“视频。https://www.youtube.com/watch?v=4eIBisqx9_g&vl=en

您可以使用tensorflow对象检测或Yolo，它们是两种不同的对象检测实现。如果您感兴趣的对象不是预训练对象列表的一部分，则可以使用转移学习进行重新训练。希望这能有所帮助！

Answer 2

将回复移动到答案，因为评论太长了：

Tensorflow是一个平台，有一种实现对象检测的方法，请参考这篇文章作为例子，它的tensorflow对象检测Tensorflow real time object detection有几个基于tensorflow的标准模型，如固态硬盘，RCNN等，它们进行对象检测。Yolo是一个独立的想法/实现，它最初不是构建在tensorflow上，但也被tensorflow采用，并被称为darkflow，这是我在之前的回复中分享的。Yolo和基于tensorflow的标准模型之间的主要区别是图像如何划分为网格的内部方法，区域被提出用于检测和管道的其余部分。您可以在web上阅读更多关于各个方法的详细信息。