yolo v3---config.py 文件详解

配置文件

代码及注释如下： 

import os

#
# 路径和数据集参数
#

DATA_PATH = 'data'             #所有数据所在的根目录

PASCAL_PATH = os.path.join(DATA_PATH, 'pascal_voc') #VOC2012数据集所在的目录

CACHE_PATH = os.path.join(PASCAL_PATH, 'cache')   #保存生成的数据集标签缓冲文件所在文件夹

OUTPUT_DIR = os.path.join(PASCAL_PATH, 'output')  #保存生成的网络模型和日志文件所在的文件夹

WEIGHTS_DIR = os.path.join(PASCAL_PATH, 'weights')  #检查点文件所在的目录

WEIGHTS_FILE = None
# WEIGHTS_FILE = os.path.join(DATA_PATH, 'weights', 'YOLO_small.ckpt')


#VOC 2012数据集类别名
CLASSES = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus',
           'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse',
           'motorbike', 'person', 'pottedplant', 'sheep', 'sofa',
           'train', 'tvmonitor']

#使用水平镜像，扩大一倍数据集？
FLIPPED = True


#
# 模型参数
#


IMAGE_SIZE = 448    #图片大小

CELL_SIZE = 7    #单元格大小S  一共有CELL_SIZExCELL_SIZE个单元格  

BOXES_PER_CELL = 2    #每个单元格边界框的个数B

ALPHA = 0.1    #泄露修正线性激活函数 系数

DISP_CONSOLE = False    #控制台输出信息

#损失函数 的权重设置
OBJECT_SCALE = 1.0    #有目标时，置信度权重
NOOBJECT_SCALE = 1.0    #没有目标时，置信度权重
CLASS_SCALE = 2.0    #类别权重
COORD_SCALE = 5.0    #边界框权重


#
# 训练参数设置
#

GPU = ''

LEARNING_RATE = 0.0001    #学习率
    
DECAY_STEPS = 30000    #退化学习率衰减步数

DECAY_RATE = 0.1    #衰减率

STAIRCASE = True

BATCH_SIZE = 45    #批量大小

MAX_ITER = 15000    #最大迭代次数

SUMMARY_ITER = 10    #日志文件保存间隔步

SAVE_ITER = 1000    #模型保存间隔步


#
# 测试时的相关参数
#

THRESHOLD = 0.2    #格子有目标的置信度阈值 

IOU_THRESHOLD = 0.5    #非极大值抑制 IoU阈值