码迷,mamicode.com
首页 > 其他好文 > 详细

利用搭载好的工控机环境跑yolov3-tiny

时间:2020-06-22 18:55:05      阅读:57      评论:0      收藏:0      [点我收藏+]

标签:效果   jre   height   xml文件   ali   back   分发   class   随机   

辛辛苦苦搭载好GPU环境现在要开始测试下效果

1,准备好数据集

2,测试开始

(1),如果尚未安装Darknet,则应先进行安装

git clone https://github.com/pjreddie/darknet
cd darknet
make

您已经在cfg/子目录中拥有YOLO的配置文件您将必须在此处下载预训练重量文件(237 MB)或只是运行此:

wget https://pjreddie.com/media/files/yolov3.weights

然后运行检测器!

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

你将看到以下输出:

layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs
    1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs
    .......
  105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs
  106 detection
truth_thresh: Using default 1.000000
Loading weights from yolov3.weights...Done!
data/dog.jpg: Predicted in 0.029329 seconds.
dog: 99%
truck: 93%
bicycle: 99%

这说明没有问题。

 

(2)更改检测阈值

默认情况下,YOLO仅显示置信度为.25或更高的对象。您可以通过将-thresh <val>标志传递yolo命令来更改此设置例如,要显示所有检测,可以将阈值设置为0:

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

3 培训YOLO VOC

要培训YOLO,您需要2007年至2012年的所有VOC数据。(如果你和我一样用自己的数据训练yolo,则不需要下面这一步)

要获取所有数据,请创建一个目录以存储所有数据,然后从该目录运行:

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

现在将有一个VOCdevkit/子目录,其中包含所有VOC培训数据。

生成VOC标签

现在我们需要生成Darknet使用的标签文件。Darknet希望.txt为每个图像提供一个文件,并在图像中为每个地面真实对象添加一行,如下所示:

<object-class> <x> <y> <width> <height>

(1)运行test.py

先运行这个。功能将Annotations里的xml文件随机的分发到对应文件夹里

分发到比例是可以改的

(2)然后再出去运行voc_label.py

这几个py文件都比较好理解,可以稍微看一下源码

(3)修改Cfg以获取Pascal数据,在cfg文件夹中的voc.data中,下面以我的路径举例

  1 classes= 10
  2 train  = /home/lanyou/mydarknet/darknet/traindata/train.txt
  3 valid  =/home/lanyou/mydarknet/darknet/traindata/2007_test.txt 
4 names =/home/lanyou/mydarknet/darknet/traindata/voc.names
5 backup =/home/lanyou/mydarknet/darknetbackup

下载预训练的卷积权重(用自己的数据训练则可以不需要这一步)

为了进行训练,我们使用在Imagenet上预先训练的卷积权重。我们使用darknet53模型的权重您可以在此处下载卷积层的权重(76 MB)

wget https://pjreddie.com/media/files/darknet53.conv.74

训练模型

现在我们可以训练!运行命令(官方指导文件中命令):

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

下面给出我自己的命令供大家参考。(我用的yolov3-tiny.cfg)

./darknet detector train mycfg/voc.data mycfg/yolov3-tiny.cfg 

 

 这上面基本上都是参考链接中有的,我把要用到的重要步骤给翻译整理了一下。

 

下面做一些注意事项的补充

 1,在mycfg中的yolov3-tiny.cfg文件中,可以修改训练参数。

比如中的max_batches = 250000,表示最大训练步数,可以自己修改。

还可以把training下面的batch改小一点,以免报错,我这里batch=32.

 

2,训练中,在mycfg中的yolov3-tiny.cfg文件中,testing下面的batch和subdivisions前面要加#号注释掉。training下面的两项要保留。

测试时,在mycfg中的yolov3-tiny.cfg文件中,training下面的batch和subdivisions前面要加#号注释掉。testing下面的两项要保留。

 

3,在不同的环境下,还要更改darknet中的makefile文件配置,例如,用的GPU训练,可以参考如下配置。

makefile中的配置如下。

GPU=1

CUDNN=1

OPENCV=1

OPENMP=1

DEBUG=0

 

利用搭载好的工控机环境跑yolov3-tiny

标签:效果   jre   height   xml文件   ali   back   分发   class   随机   

原文地址:https://www.cnblogs.com/vincent212212/p/13164194.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!