• 环境：

  python版本	pytorch版本
  3.5	0.3.0

• 说明：

  1、基本实现参考： pytorchYOLOv1master

  2、仅重构代码，并未提升效果

  3、 测试时，在VOC2012训练集上loss为0.1左右，在VOC2007测试集上loss基本降低 很少。怀疑过拟合。

  4、运行main.py请确保启动可视化工具visdom

• 当前工作：

  1、训练完，可视化测试图像和loss等

  2、将训练好的模型放到这里

  3、准备添加注释，以便理解

  4、尝试优化网络模型，提高mAP

• 改进方向：

  1、更改学习率

  2、调整网络结构（参考版本为vgg16，试试残差）

  3、更改优化器从SGD到Adam

• 下载网络模型：

  1、在VOC2007测试集上验证的效果最好的一个网络模型（百度网盘）

  2、保存的最后一个网络模型 （百度网盘）

• 效果:

  验证集:voc2012训练集

  模型:在VOC2007测试集上验证的效果最好的一个网络模型

loss趋势

epoch	VOC2007测试集的loss
0	5.806424896178707
1	5.855176733386132
2	5.9203009036279495
...	...
118	5.187265388427242
119	5.190768877152474

注：蓝线为在VOC2012训练集上的loss，黄线为 VOC2007测试集的loss

网络表现

• 最后保存的模型 在VOC2007验证集的表现

• 最后保存的模型 在VOC2012训练集的表现（可能过拟合，在训练集表现优秀）

以下为本人新增内容

• 新增内容：

  新增Resnet152网络来替换原作者的VGG16。（代码包括main_resnet.py 、models/resnet.py ）

• 实现细节：

  仅仅将Resnet152网络的最后一层全连接层的输出改为1470，再改变形状为7x7x30。

• 效果：

  极其不好，猜测原因为Resnet152网络是用来分类，将其直接用于回归导致效果不好。

• loss图：

Resnet152+Ada优化器	Resnet152+SGD优化器
见左下	见右下

• 优化建议：

  1、使用Resnet50,网络最后处理参考原文VGG16处理试试

  2、Resnet50去掉最后一层，加入类似VGG16的两层全连接层+Drop等 。loss仍降不下去，该项目以后不再提供提升效果的内容。

• 特别鸣谢：

  xiongzihua：原作者

  朱辉师兄：抽空帮我理清思路，讲清代码