來自voc07，the pascal visual object classification，此資料集分訓練集與測試集，其中訓練集，5011張，測試集4952張。
去訓練集中10%用作驗證集，
階段一：50個epoch，lr=1e-3，batch_size=32，耗時350s左右/epoch。
階段二：100個epoch，lr=1e-4，batch_size=10,設定reducelronplateau，每3個epoch，val-loss如果不下降，則lr降為原來的0.1；設定earlystopping，如果10個epoch，val-loss不下降，則停止訓練，儲存weight。
在val-loss降到25左右，提前停止訓練。各類ap（iou=0.5）以及map如下所示
今天看到yolov2**裡面測試結果，其中chair與plant的ap分別為36.2與28.9，而yolov3中針對chair與plant，我目前測試結果為0.55與0.44，本身已有較大提公升，所以原因可能在於資料集。
使用YOLOv3訓練VOC模型
yolo官網 本篇博文主要是參照官網步驟進行voc資料的訓練,博主也是更改接觸，如果有錯誤的地方，歡迎指正 操作環境 ubuntu 如果使用gpu需要安裝cuda和cudnn，應為我這邊環境已經裝好了，所以並沒有嘗試安裝 具體安裝步驟可以參考一篇部落格 git clone cd darknet ma...
YOLOV3訓練VOC資料集
darknet master build darknet x64 data.darknet master build darknet x64 data voc3.命令列cd進入 darknet master build darkne x64 data voc，然後執行python voc label...
YOLOv3訓練自己的VOC資料集
yolo 一 安裝darknet並借助預訓練權重進行檢測 1.安裝darknetgit clone https pjreddie.com media files yolov3.weights3.執行檢測.darknet detect cfg yolov3.cfg yolov3.weights dat...