DocumentAIKit/configs/yolov3

YOLOv3

Model Zoo

YOLOv3 on COCO

YOLOv3 on Pasacl VOC

骨架网络	输入尺寸	每张GPU图片个数	学习率策略	推理时间(fps)	mAPval 0.5:0.95	下载	配置文件
DarkNet53(paper)	608	8	270e	-	33.0	-	-
DarkNet53(paper)	416	8	270e	-	31.0	-	-
DarkNet53(paper)	320	8	270e	-	28.2	-	-
DarkNet53	608	8	270e	-	39.1	下载链接	配置文件
DarkNet53	416	8	270e	-	37.7	下载链接	配置文件
DarkNet53	320	8	270e	-	34.8	下载链接	配置文件
ResNet50_vd-DCN	608	8	270e	-	40.6	下载链接	配置文件
ResNet50_vd-DCN	416	8	270e	-	38.2	下载链接	配置文件
ResNet50_vd-DCN	320	8	270e	-	35.1	下载链接	配置文件
ResNet34	608	8	270e	-	36.2	下载链接	配置文件
ResNet34	416	8	270e	-	34.3	下载链接	配置文件
ResNet34	320	8	270e	-	31.2	下载链接	配置文件
MobileNet-V1	608	8	270e	-	29.4	下载链接	配置文件
MobileNet-V1	416	8	270e	-	29.3	下载链接	配置文件
MobileNet-V1	320	8	270e	-	27.2	下载链接	配置文件
MobileNet-V3	608	8	270e	-	31.4	下载链接	配置文件
MobileNet-V3	416	8	270e	-	29.6	下载链接	配置文件
MobileNet-V3	320	8	270e	-	27.1	下载链接	配置文件
MobileNet-V1-SSLD	608	8	270e	-	31.0	下载链接	配置文件
MobileNet-V1-SSLD	416	8	270e	-	30.6	下载链接	配置文件
MobileNet-V1-SSLD	320	8	270e	-	28.4	下载链接	配置文件

骨架网络	输入尺寸	每张GPU图片个数	学习率策略	推理时间(fps)	mAP(0.50,11point)	下载	配置文件
DarkNet53	608	8	270e	-	85.4 (56.1 mAP 0.5:0.95)	下载链接	配置文件
DarkNet53	416	8	270e	-	85.2 (57.3 mAP 0.5:0.95)	下载链接	配置文件
DarkNet53	320	8	270e	-	84.3 (55.2 mAP 0.5:0.95)	下载链接	配置文件
MobileNet-V1	608	8	270e	-	75.2	下载链接	配置文件
MobileNet-V1	416	8	270e	-	76.2	下载链接	配置文件
MobileNet-V1	320	8	270e	-	74.3	下载链接	配置文件
MobileNet-V3	608	8	270e	-	79.6	下载链接	配置文件
MobileNet-V3	416	8	270e	-	78.6	下载链接	配置文件
MobileNet-V3	320	8	270e	-	76.4	下载链接	配置文件
MobileNet-V1-SSLD	608	8	270e	-	78.3	下载链接	配置文件
MobileNet-V1-SSLD	416	8	270e	-	79.6	下载链接	配置文件
MobileNet-V1-SSLD	320	8	270e	-	77.3	下载链接	配置文件
MobileNet-V3-SSLD	608	8	270e	-	80.4	下载链接	配置文件
MobileNet-V3-SSLD	416	8	270e	-	79.2	下载链接	配置文件
MobileNet-V3-SSLD	320	8	270e	-	77.3	下载链接	配置文件

注意:

• YOLOv3模型训练过程中默认使用8 GPUs，总batch_size默认为64，评估时网络尺度默认为608*608；
• 416*416和320*320尺度只需更改EvalReader的Resize参数为相应值即可，无需重新训练模型，如： EvalReader: sample_transforms: - Decode: {} - Resize: {target_size: [416, 416], keep_ratio: False, interp: 2} # or [320, 320] - NormalizeImage: {mean: [0.485, 0.456, 0.406], std: [0.229, 0.224, 0.225], is_scale: True} - Permute: {} batch_size: 1
• VOC数据集可以从此链接下载，默认评估指标为mAP(0.50,11point)，如果想转为COCO格式指标的mAP
  0.5:0.95，可以参照yolov3_darknet53_270e_voc 添加以下几行重新eval： metric: COCO EvalDataset: !COCODataSet image_dir: VOCdevkit/VOC2007/JPEGImages anno_path: voc_test.json dataset_dir: dataset/voc

Citations

@misc{redmon2018yolov3,
    title={YOLOv3: An Incremental Improvement},
    author={Joseph Redmon and Ali Farhadi},
    year={2018},
    eprint={1804.02767},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}