Name		Name	Last commit message	Last commit date
parent directory ..
README.md		README.md
README_en.md		README_en.md
__init__.py		__init__.py
darknet.py		darknet.py
data_feed.py		data_feed.py
module.py		module.py
processor.py		processor.py
yolo_head.py		yolo_head.py

README.md

yolov3_darknet53_venus

模型名称	yolov3_darknet53_venus
类别	图像 - 目标检测
网络	YOLOv3
数据集	百度自建数据集
是否支持Fine-tuning	是
模型大小	501MB
最新更新日期	2021-02-26
数据指标	-

一、模型基本信息

模型介绍
- YOLOv3是由Joseph Redmon和Ali Farhadi提出的单阶段检测器, 该检测器与达到同样精度的传统目标检测方法相比，推断速度能达到接近两倍。 YOLOv3将输入图像划分格子，并对每个格子预测bounding box。YOLOv3的loss函数由三部分组成：Location误差，Confidence误差和分类误差。该PaddleHub Module是由800+tag,170w图片，1000w+检测框训练的大规模通用检测模型，在8个数据集上MAP平均提升5.36%，iou=0.5的准确率提升4.53%。对比于其他通用检测模型，使用该Module进行finetune，可以更快收敛，达到较优效果。

二、安装

1、环境依赖
- paddlepaddle >= 1.6.2
- paddlehub >= 1.6.0 | 如何安装paddlehub
2、安装
- ```
$ hub install yolov3_darknet53_venus
```
- 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

1、API
- ```
def context(trainable=True,
            pretrained=True,
            get_prediction=False)
```
  - 提取特征，用于迁移学习。
  - 参数
    - trainable(bool): 参数是否可训练；
    - pretrained (bool): 是否加载预训练模型；
    - get_prediction (bool): 是否执行预测。
  - 返回
    - inputs (dict): 模型的输入，keys 包括 'image', 'im_size'，相应的取值为：
      - image (Variable): 图像变量
      - im_size (Variable): 图片的尺寸
    - outputs (dict): 模型的输出。如果 get_prediction 为 False，输出 'head_features'、'body_features'，否则输出 'bbox_out'
    - context_prog (Program): 用于迁移学习的 Program
- ```
def save_inference_model(dirname,
                         model_filename=None,
                         params_filename=None,
                         combined=True)
```
  - 将模型保存到指定路径。
  - 参数
    - dirname: 存在模型的目录名称；
    - model_filename: 模型文件名称，默认为__model__；
    - params_filename: 参数文件名称，默认为__params__(仅当combined为True时生效)；
    - combined: 是否将参数保存到统一的一个文件中。

四、更新历史

1.0.0

初始发布

$ hub install yolov3_darknet53_venus==1.0.0