pytorch yolov3 目标检测 yolov3-tiny.conv.15 yolov3 yolov3-tiny.conv.15 权重文件

yolov3(pytorch)训练自己的数据集可参看本人blog。要使用的预训练权重：首先下载训练好的网络参数yolov3-tiny.weights，到weights目录下，但仍然需要fine-tune，so对yolov3-tiny.weights进行改造，下载darknet相关文件，下载好之后进入文件make一下，生成darknet可执行文件，在当前文件目录下运行： ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 即可得到该文件yolov3-tiny.conv.15

该文件是yolov3-tiny的预训练模型，用于YOLOv3-tiny训练过程。Yolov3训练得到的模型比较大，而Yolov3-tiny训练得到的模型小很多，可用于移动端的移植。

yolo3_tiny 预训练文件 yolo3_tiny 预训练文件 yolo3_tiny 预训练文件 yolo3_tiny 预训练文件 yolo3_tiny 预训练文件

yolov3中yolov3-tiny.cfg框架对应的预训练权重，./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 结果

yolov3-tiny.conv.15.rar yolov3-tiny.conv.15 for yolov3-tiny pretrain model

yolov3-tiny.conv.15预训练模型下载，/darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15

利用darknet编译后生成，供yolov3自定义数据集学习训练使用

YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal的过程。而rcnn/fast rcnn 采用分离的模块（独立于网络之外的selective search方法）求取候选框（可能会包含物体的矩形区域），训练过程因此也是分成多个模块进行。Faster rcnn使用RPN（region proposal network）卷积网络替代rcnn/fast rcnn的selective search模块，将RPN集成到fast rcnn检测网络中，得到一个统一的检测网络。

./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 结果