YOLOv3：在Keras中实现的“你只看一次”目标检测模型

---

目录

1. 仓库更新 Top News
2. 相关仓库 Related code
3. 性能情况 Performance
4. 所需环境 Environment
5. 文件下载 Download
6. 训练步骤 How2train
7. 预测步骤 How2predict
8. 评估步骤 How2eval
9. 参考资料 Reference

Top News

2022-04:支持多GPU训练，新增各个种类目标数量计算，新增heatmap。

2022-03:进行了大幅度的更新，修改了loss组成，使得分类、目标、回归loss的比例合适、支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。
BiliBili视频中的原仓库地址为：https://github.com/bubbliiiing/yolo3-keras/tree/bilibili

2021-10:进行了大幅度的更新，增加了大量注释、增加了大量可调整参数、对代码的组成模块进行修改、增加fps、视频预测、批量预测等功能。

相关仓库

模型	路径
YoloV3	https://github.com/bubbliiiing/yolo3-keras
Efficientnet-Yolo3	https://github.com/bubbliiiing/efficientnet-yolo3-keras
YoloV4	https://github.com/bubbliiiing/yolov4-keras
YoloV4-tiny	https://github.com/bubbliiiing/yolov4-tiny-keras
Mobilenet-Yolov4	https://github.com/bubbliiiing/mobilenet-yolov4-keras
YoloV5-V5.0	https://github.com/bubbliiiing/yolov5-keras
YoloV5-V6.1	https://github.com/bubbliiiing/yolov5-v6.1-keras
YoloX	https://github.com/bubbliiiing/yolox-keras
YoloV7	https://github.com/bubbliiiing/yolov7-keras
Yolov7-tiny	https://github.com/bubbliiiing/yolov7-tiny-keras

性能情况

训练数据集	权值文件名称	测试数据集	输入图片大小	mAP 0.5:0.95	mAP 0.5
COCO-Train2017	yolo_weights.h5	COCO-Val2017	416x416	38.1	66.8

所需环境

tensorflow-gpu==1.13.1
keras==2.1.5

文件下载

训练所需的yolo_weights.h5可以在Release里面下载。
https://github.com/bubbliiiing/yolo3-keras/releases
也可以去百度网盘下载

链接: https://pan.baidu.com/s/1N5TyQTWDeVsN5h9v-ucpbg
提取码: q42w

VOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：
链接: https://pan.baidu.com/s/19Mw2u_df_nBzsC2lg20fQA
提取码: j5ge

训练步骤

a、训练VOC07+12数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录

2. 数据集的处理
   修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。

3. 开始网络训练
   train.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是yolo.py和predict.py。我们首先需要去yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

b、训练自己的数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要自己制作好数据集，
   训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
   训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

2. 数据集的处理
   在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。
   修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。
   训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。
   model_data/cls_classes.txt文件内容为：

cat
dog
...

修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。

3. 开始网络训练
   训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。
   classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！
   修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

预测步骤

a、使用预训练权重

1. 下载完库后解压，在百度网盘下载yolo_weights.pth，放入model_data，运行predict.py，输入

img/street.jpg

2. 在predict.py里面进行设置可以进行fps测试和video视频检测。

b、使用自己训练的权重

1. 按照训练步骤训练。
2. 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类。

_defaults = {
    #--------------------------------------------------------------------------#
    #   使用自己训练好的模型进行预测一定要修改model_path和classes_path！
    #   model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt
    #   如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改
    #--------------------------------------------------------------------------#
    "model_path"        : 'model_data/yolo_weights.h5',
    "classes_path"      : 'model_data/coco_classes.txt',
    #---------------------------------------------------------------------#
    #   anchors_path代表先验框对应的txt文件，一般不修改。
    #   anchors_mask用于帮助代码找到对应的先验框，一般不修改。
    #---------------------------------------------------------------------#
    "anchors_path"      : 'model_data/yolo_anchors.txt',
    "anchors_mask"      : [[6, 7, 8], [3, 4, 5], [0, 1, 2]],
    #---------------------------------------------------------------------#
    #   输入图片的大小，必须为32的倍数。
    #---------------------------------------------------------------------#
    "input_shape"       : [416, 416],
    #---------------------------------------------------------------------#
    #   只有得分大于置信度的预测框会被保留下来，置信度门限
    #---------------------------------------------------------------------#
    "confidence"        : 0.5,
    #---------------------------------------------------------------------#
    #   非极大抑制所用到的nms_iou大小
    #---------------------------------------------------------------------#
    "nms_iou"           : 0.3,
    #---------------------------------------------------------------------#
    #   最大目标数量
    #---------------------------------------------------------------------#
    "max_boxes"         : 100,
    #---------------------------------------------------------------------#
    #   该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize，
    #   在多次测试后，发现关闭letterbox_image直接resize的效果更好
    #---------------------------------------------------------------------#
    "letterbox_image"   : False,
}

3. 运行predict.py，输入

img/street.jpg

4. 在predict.py里面进行设置可以进行fps测试和video视频检测。

评估步骤

a、评估VOC07+12的测试集

1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集，无需利用voc_annotation.py生成ImageSets文件夹下的txt。
2. 在yolo.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
3. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

b、评估自己的数据集

1. 本文使用VOC格式进行评估。
2. 如果在训练前已经运行过voc_annotation.py文件，代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1。
3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。
4. 在yolo.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
5. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

Reference

https://github.com/qqwweee/keras-yolo3
https://github.com/eriklindernoren/PyTorch-YOLOv3
https://github.com/BobLiu20/YOLOv3_PyTorch

YOLOv3-Keras 快速上手指南

1. 环境准备

本工具基于 TensorFlow 1.x 和 Keras 构建，请确保满足以下系统要求和依赖版本：

• 操作系统: Linux / Windows / macOS
• Python: 建议 3.6 - 3.8
• 核心依赖:
  • tensorflow-gpu==1.13.1 (推荐使用 GPU 版本以获得更佳性能)
  • keras==2.1.5
• 其他依赖: 安装 TensorFlow 时通常会自动包含 numpy, pillow, h5py 等必要库。

提示: 由于依赖版本较老，建议在独立的虚拟环境（如 conda 或 venv）中安装，避免与现有项目冲突。

2. 安装步骤

第一步：克隆仓库

git clone https://github.com/bubbliiiing/yolo3-keras.git
cd yolo3-keras

第二步：安装依赖

推荐使用国内镜像源加速安装：

pip install tensorflow-gpu==1.13.1 keras==2.1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

(注：如果无需 GPU 支持，可将 tensorflow-gpu 替换为 tensorflow)

第三步：下载预训练权重

模型运行需要预训练权重文件 yolo_weights.h5。你可以从 GitHub Release 或百度网盘下载，并放入项目根目录的 model_data 文件夹中。

• GitHub 下载: Release 页面
• 百度网盘下载:
  • 链接: https://pan.baidu.com/s/1N5TyQTWDeVsN5h9v-ucpbg
  • 提取码: q42w

下载完成后，确保文件路径为：model_data/yolo_weights.h5。

3. 基本使用

场景 A：直接使用预训练模型进行图片检测

这是最简单的使用方式，无需训练即可检测 COCO 数据集中的 80 类常见物体。

1. 确保 model_data/yolo_weights.h5 已就位。
2. 运行预测脚本：

   python predict.py
   

3. 根据终端提示输入图片路径，例如：

   img/street.jpg
   

4. 程序将输出检测结果图片（默认保存在 img/ 目录下）。

进阶设置: 如需测试 FPS 或进行视频检测，请直接编辑 predict.py 文件中的相关参数配置。

场景 B：快速测试自定义数据集（VOC 格式）

如果你有自己的标注数据（VOC 格式），可按以下步骤快速开始训练：

1. 准备数据:
   • 将图片放入 VOCdevkit/VOC2007/JPEGImages/
   • 将标注文件 (.xml) 放入 VOCdevkit/VOC2007/Annotations/
2. 配置类别:
   • 在 model_data/ 下创建 cls_classes.txt，写入你的类别名称（每行一个），例如：

     cat
     dog
     

   • 修改 voc_annotation.py，将 classes_path 指向刚才创建的 txt 文件，并将 annotation_mode 设为 2。
3. 生成训练列表:

   python voc_annotation.py
   

   (运行后会在根目录生成 2007_train.txt 和 2007_val.txt)
4. 开始训练:
   • 打开 train.py，务必修改 classes_path 指向你的 model_data/cls_classes.txt。
   • 运行训练：

     python train.py
     

   • 训练好的权重将保存在 logs/ 文件夹中。
5. 使用自定义权重预测:
   • 修改 yolo.py 中的 _defaults 字典：

     "model_path"        : 'logs/你的训练权重.h5',  # 指向 logs 下的最新权重
     "classes_path"      : 'model_data/cls_classes.txt', # 指向你的类别文件
     

   • 再次运行 python predict.py 即可检测自定义目标。