YOLOv3-Pytorch学习笔记

    五月一直埋头钻研Faster R-CNN，但苦于电脑不支持GPU，一直连个简单的结果都没跑出来（期间还挣扎着安装CUDA，结果就是Ubuntu系统一崩再崩）,心情经常很低落。终于在五月末决定先转到YOLOv3, 毕竟人生苦短...下面附上我最近对于YOLOv3的学习：

YOLO官网：https://pjreddie.com/darknet/yolo/

YOLOv3论文链接：https://pjreddie.com/media/files/papers/YOLOv3.pdf

Github代码地址：https://github.com/pjreddie/darknet

论文翻译：https://zhuanlan.zhihu.com/p/34945787

按官网上的要求一步一步走，就可得到如下检测结果：

如果想训练自己的数据，可参考博客：YOLOv3: 训练自己的数据，讲的非常详细，膜拜啊！网上也有很多公开的数据集，可参考Open Data for Deep Learning & Machine Learning。

    我比较想学习YOLOv3的Pytorch实现，毕竟原作者自己直接码的C，看不太明白啊，所以在Github上找了一个比较靠谱的，链接地址：https://github.com/ayooshkathuria/pytorch-yolo-v3，要求Python3.5、Opencv、Pytorch0.4，Opencv是别人帮我编译的（我决定下次系统再崩的时候自己动手安装双系统，然后编译Opencv，毕竟不能老靠别人，呸呸呸...）跑代码的时候也踩了很多坑，问了好几个同学才最终解决，感谢。最后发现我遇到的问题这篇博客里竟然都提到了YOLOV3的pytorch实现，要是早看到就好了，不过这中间我也悟到了一个真理，学习要保持三步主义：不要怕、不要急、不要脸...运行结果示例：

YOLOv3 Pytorch的实现作者还给出了Tutorial on implementing YOLO v3 from scratch in PyTorch，分为五部分：

Part 1: Understanding How YOLO works

Part 2: Creating the layers of the network architecture

Part 3 : Implementing the the forward pass of the network

Part 4 : Objectness score thresholding and Non-maximum suppression

Part 5 : Designing the input and the output pipeline

机器之心翻译了前3部分，从零开始PyTorch项目：YOLO v3目标检测实现，个人建议还是直接阅读原作者的教程，起码不撸他个3遍。

    嗯，啰嗦了这么多，六月伊始，希望自己接下来的深度学习之路能走的不那么艰难，好运！