Pytorch-YOLOv3使用步骤详解(win系统下）

1、下载

1.0、环境

这是笔者环境，各位可根据笔者环境考虑是否要继续

• window 10
• python 3.6.5
• torch 1.0

1.1、模型下载

https://github.com/eriklindernoren/PyTorch-YOLOv3

1.2、安装所需库

打开requirements.txt，傻瓜式操作安装所需库：

• numpy（笔者安装numpy最新版本时需要升级pip版本，python -m pip install --upgrade pip）

• torch>=1.0

• torchvision

• matplotlib

• tensorflow（最好在1.14–2.0之间，笔者为tensorflow==2.0，pip install tensorflow==2.0）

• tensorboard

• terminaltables

• pillow

• tqdm

1.3、下载数据集

该版本使用数据集为coco，train和val两个包加起来差不多20g，如果嫌麻烦，可以跳过，不对后续步骤产生影响。

下载链接

[1] - train2014 images: (13GB)

http://images.cocodataset.org/zips/train2014.zip

[2] - val2014 images:(6GB)

http://images.cocodataset.org/zips/val2014.zip

更详细的请参照其他博主的链接：https://blog.csdn.net/m0_37644085/article/details/81948396

朋友可以自己做数据集，用自己的数据集训练，这里不多做介绍。

1.4、下载训练好的权重

笔者直接跳过1.3，进行1.4，权重链接：https://download.csdn.net/my
一般情况下，都是使用yolov3.weights，也可使用yolov3-tiny.weights，笔者使用的是yolov3.weights，将它们放在weight文件夹里面：

2、训练

详细参见另一位博主[YOLOV3训练自己的数据集（PyTorch版本）]
嫌麻烦的朋友可跳过，对后续步骤不影响。

3、测试

3.1、准备

下载的模型其实缺少了一个文件，大家需要新建一个文件夹output，output里面再建一个文件夹samples，用于存放测试后的图片：
⬇

⬇

3.2、运行测试

直接运行下面的代码，就会对路径~/PyTorch-YOLOv3/data/samples下的图片进行目标检测。

python detect.py

过程如下：

3.3、测试结果

测试结果如下（个别举例）：

主要步骤都在这，可能有少部分的代码改动，但不影响原本框架的使用，有需要的朋友可在下方留言，私信发给你们。