騰訊優圖：開源YOLO系列代碼（含YOLOv3以及各類backbone）

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。連接以下：

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

前不久，剛剛push上YOLO系列代碼。來看一下陣容：

基於PyTorch的YOLO系列代碼實現，包含Tiny-YOLOv二、YOLOv二、Tiny-YOLOv三、YOLO-v3以及MobileNet、MobileNetv二、ShuffleNet、ShuffleNetv二、SqueezeNext、Xception等backbone。

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

騰訊優圖—YOLO

這裏簡單介紹項目裏的部分亮點

環境

Python 3.6

PyTorch 0.4.0

性能

哇，這mAP！哇，這速度！

支持訓練&評估

以前不少同窗向我吐槽，網上能夠找到基於PyTorch的YOLOv3代碼，但只支持inference，不能訓練。那你看看騰訊優圖這個，不只教你怎麼訓練，還手把手教你評估。遠程比心！

預訓練權重

代碼有了，教程有了，再看看預訓練權重。

不單單有Google Drive，還有良心的百度雲連接（國內coding man福利）

PS：googledrieve打錯了，你們快去提交issue，還能成爲優圖開源項目的貢獻者（手動狗頭.jpg）

若是你想學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擼代碼了

開源代碼連接：

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