清华青年AI自强作业hw7:基于Yolo实现位置检测任务

清华青年AI自强作业hw7:基于Yolo实现位置检测任务

    • 简述
    • 作业实现
    • 相关链接

在这里插入图片描述

一起学AI系列博客:目录索引

简述


hw7作业为基于Yolo模型,对PASCAL_VOC_2007数据集的20类物体进行位置探测。数据集为600张图像,因此建议训练迭代次数小于100次即可。

由于缺乏实验数据,本次作业不进行实战,只对TF1.x版本的参考代码进行思路梳理学习。

  • 相应实现源码见代码仓:https://github.com/ioMayday/Tsinghua_Youth_AI/tree/master/homework
  • 相关keras使用指导:https://keras.io/zh/getting-started/sequential-model-guide/

作业实现


  • project文件架构

    • ./目录
      • train.py,训练源码,调用utils
      • test.py,测试源码,调用utils
    • testImg目录:测试图像观测结果
    • utils目录:辅助模块代码
      • config.py:配置模型相关参数和文件路径
      • data_pascal_voc.py:读取PASCAL_VOC数据
      • model_yolo.py:网络模型构建
      • timer.py:时间计算
      • download_data.sh:若数据集文件加载较慢,可运行该文件,从网上下载数据集

具体模型构建及层数设计见源码model_yolo.py和相关论文,这里提几个特殊的点:

  • 模型输出
    • 先划分格子进行分类任务,再根据bounding box进行位置输出
    • 输出label为:1、是否含目标物体;2、目标物体位置;3、目标物体类别
  • 训练loss进行合理组合
    • 分类loss(是否含目标)
    • 类别loss(具体哪个目标)
    • 位置loss

基本原理:

清华青年AI自强作业hw7:基于Yolo实现位置检测任务_第1张图片

清华青年AI自强作业hw7:基于Yolo实现位置检测任务_第2张图片

清华青年AI自强作业hw7:基于Yolo实现位置检测任务_第3张图片

相关链接


  1. 文科生都能零基础学AI?清华这门免费课程让我信了,link
  2. 清华青年AI自强作业hw2:线性回归预测,link
  3. 清华青年AI自强作业hw3_1:用线性回归模型拟合MNIST手写数字分类,link
  4. 清华青年AI自强作业hw3_2:前向传播和反向传播实战,link
  5. 清华青年AI自强作业hw3_3:用NN网络拟合MNIST手写数字分类,link
  6. 清华青年AI自强作业hw4:基于DNN实现狗狗二分类与梯度消失实验,link
  7. 清华青年AI自强作业hw5:基于CNN实现CIFAR10分类任务,link
  8. 清华青年AI自强作业hw6:基于ResNet实现IMAGENET分类任务,link

你可能感兴趣的:(一起学AI,人工智能,YOLO)