基于YOLOv3的海上船舶目标检测分类
本仓库提供了一个基于YOLOv3算法的海上船舶目标检测分类的资源文件。该资源文件包含了用于训练和测试海上船舶目标检测模型的代码和数据集。
项目简介
本项目旨在解决海上船舶目标的实时分类检测问题。通过使用Tensorflow和Keras框架，我们采用了YOLOv3算法，最终实现了高达95.66%的mAP（平均精度均值）。
主要内容
- 数据集：提供了Seaship数据集，用于训练和测试模型。
- 代码结构：包含了训练和测试模型的代码，以及相关的配置文件。
- 训练过程：详细介绍了模型的训练步骤和参数设置。
- 检测结果：展示了部分检测结果的截图，验证了模型的有效性。
使用方法
- 环境配置：确保计算机环境为Win10 + Python3.6 + cuda9.0，并安装所需的依赖库（如Tensorflow-gpu、Keras-gpu、OpenCV等）。
- 数据集准备：下载并解压Seaship数据集，按照VOC数据集格式进行整理。
- 模型训练：根据提供的代码和配置文件，进行模型的训练。
- 模型测试：使用训练好的模型对测试数据进行检测，并计算mAP。
注意事项
- 在训练过程中，根据GPU显存的大小调整batch size。
- 如果需要进一步提高模型性能，可以调整训练参数或增加训练数据。
贡献
欢迎对本项目进行改进和优化，提交Pull Request或Issue。
许可证
本项目遵循CC 4.0 BY-SA版权协议，转载请附上原文出处声明。