ultralytics/yolov3

PyTorch implementation of YOLOv3, YOLOv3-SPP, and YOLOv3-tiny for real-time object detection with training, validation, inference, and multi-format export.

解决的问题

本项目提供了 YOLOv3 的 PyTorch 实现，这是一种实时目标检测模型，可以在图像或视频中识别并定位物体。它解决了在单次前向传播中检测各种尺寸（小、中、大）的多个物体时，对快速、准确且易于部署的系统需求的问题。

工作原理

YOLOv3 将目标检测视为单个回归问题，通过单次前向传播直接从完整图像中预测边界框和类别概率。它使用 Darknet-53 作为骨干网络进行特征提取，并采用特征金字塔风格的设计在三个不同的尺度上进行预测。它采用锚框（anchor boxes）来稳定训练，并使用独立的逻辑分类器允许单个物体拥有多个标签。

适用对象

专为需要实时目标检测能力的开发人员和研究人员设计，范围涵盖从部署在高性能 GPU 上的用户到针对 CPU 和边缘设备（通过 YOLOv3-tiny 变体）的用户。

亮点

  • 三种模型变体：包括 YOLOv3（平衡型）、YOLOv3-SPP（通过空间金字塔池化增强精度）以及 YOLOv3-tiny（针对速度和边缘设备进行了优化）。
  • 全面的工具链：提供用于训练、验证、推理以及将模型导出为 ONNX、TensorRT 和 CoreML 等格式的内置脚本。
  • 多尺度检测：通过多尺度特征图高效处理不同尺寸的物体。
  • PyTorch Hub 集成：允许用户通过几行代码以编程方式加载预训练模型。