騰訊優圖：開源YOLO系列程式碼（含YOLOv3以及各種backbone）

本文原定於上周跟大家見面，但因不可抗拒原因"被"推遲一周。在此感謝騰訊優圖實驗室開源這麼棒的項目，並特別鳴謝優圖小夥伴：mileistone（YOLO系列復現作者）。

前言

本文給各位CVers介紹一個由騰訊優圖實驗室開源的One-Stage目標檢測項目。鏈接如下：

https://github.com/TencentYoutuResearch/ObjectDetection-OneStageDet

前不久，剛剛push上YOLO系列程式碼。來看一下陣容：

基於PyTorch的YOLO系列程式碼實現，包含Tiny-YOLOv2、YOLOv2、Tiny-YOLOv3、YOLO-v3以及MobileNet、MobileNetv2、ShuffleNet、ShuffleNetv2、SqueezeNext、Xception等backbone。

這陣容有點…還是基於PyTorch的…不說了，star，fork，watch走起！

這裡簡單介紹項目里的部分亮點

環境

性能

哇，這mAP！哇，這速度！

支援訓練&評估

之前很多同學向我吐槽，網上可以找到基於PyTorch的YOLOv3程式碼，但只支援inference，不能訓練。那你看看騰訊優圖這個，不僅教你怎麼訓練，還手把手教你評估。遠程比心！

預訓練權重

程式碼有了，教程有了，再看看預訓練權重。

不僅僅有Google Drive，還有良心的百度雲鏈接（中國coding man福利）

PS：googledrieve打錯了，大家快去提交issue，還能成為優圖開源項目的貢獻者（手動狗頭.jpg）

如果你想學PyTorch，你還想學目標檢測（如YOLO），那麼這個開源項目非你莫屬！不說了，俺去download擼程式碼了

開源程式碼鏈接：

https://github.com/TencentYoutuResearch/ObjectDetection-OneStageDet/tree/master/yolo

作者(mileistone)知乎鏈接：

https://zhuanlan.zhihu.com/p/54959146