Yolo:实时目标检测实战(下)
Yolo:实时目标检测实战(下)
YOLO:Real-Time Object
Detection
After a few minutes, this script will
generate all of the requisite files. Mostly it generates a lot of label files
in VOCdevkit/VOC2007/labels/ and VOCdevkit/VOC2012/labels/. In your directory
you should see:
ls
2007_test.txt VOCdevkit
2007_train.txt voc_label.py
2007_val.txt VOCtest_06-Nov-2007.tar
2012_train.txt VOCtrainval_06-Nov-2007.tar
2012_val.txt VOCtrainval_11-May-2012.tar
文本文件如2007_train.txt列出了当年的图像文件和图像集。Darknet需要一个文本文件,其中包含所有要训练的图像。在这个例子中,让我们训练除了2007测试集之外的所有东西,以便我们可以测试我们的模型。运行:
cat 2007_train.txt 2007_val.txt 2012_*.txt
train.txt
现在我们把2007年的trainval和2012年的trainval都列在一个大名单上。这就是我们要做的数据设置!
修改Pascal数据的Cfg
现在找到你的darknet 目录。我们必须更改cfg/voc.data配置文件以指向您的数据:
1
classes= 20
2
train = /train.txt
3
valid = 2007_test.txt
4
names = data/voc.names
5
backup = backup
您应该将替换为放置voc数据的目录。
下载预训练卷积权重
对于训练,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。你可以在这里下载卷积层的权重(76MB)。
wget https://pjreddie.com/media/files/darknet53.conv.74
训练模型
现在我们可以训练了!运行命令:
./darknet detector train cfg/voc.data
cfg/yolov3-voc.cfg darknet53.conv.74
在COCO上训练YOLO
如果你想使用不同的训练模式、超参数或数据集,你可以从头开始训练YOLO。下面是如何让它在COCO数据集上工作。
获取COCO数据
为了训练YOLO,你需要所有的COCO数据和标签。脚本scripts/get_coco_dataset.sh将为您执行此操作。找出要将COCO数据放在哪里并下载它,例如:
cp scripts/get_coco_dataset.sh data
cd data
bash get_coco_dataset.sh
现在您应该拥有为Darknet生成的所有数据和标签。
修改COCO的cfg
现在找到的darknet目录。我们必须更改cfg/coco.data配置文件以指向您的数据:
1 classes= 80
2
train =
/trainvalno5k.txt
3
valid = /5k.txt
4
names = data/coco.names
5
backup = backup
您应该用放置coco数据的目录替换。
您还应该修改模型cfg以进行训练,而不是测试。cfg/yolo.cfg应该如下所示:
[net]
Testing
batch=1
subdivisions=1
Training
batch=64
subdivisions=8
…
训练模型
现在我们可以训练了!运行命令:
./darknet detector train cfg/coco.data
cfg/yolov3.cfg darknet53.conv.74
如果要使用多个GPU运行:
./darknet detector train cfg/coco.data
cfg/yolov3.cfg darknet53.conv.74 -gpus 0,1,2,3
如果要从检查点停止并重新开始训练:
./darknet detector train cfg/coco.data
cfg/yolov3.cfg backup/yolov3.backup -gpus 0,1,2,3
开放图像数据集上的YOLOv3
wget
https://pjreddie.com/media/files/yolov3-openimages.weights
./darknet detector test cfg/openimages.data
cfg/yolov3-openimages.cfg
yolov3-openimages.weights
老YOLO怎么了?
如果您使用的是YOLO版本2,您仍然可以在这里找到网站:
https://pjreddie.com/darknet/yolov2/
引用
如果你在工作中使用YOLOv3,请引用我们的论文!
@article{yolov3,
title={YOLOv3: An Incremental Improvement},
author={Redmon, Joseph and Farhadi, Ali},
journal = {arXiv},
year={2018}
}
Yolo:实时目标检测实战(下)相关推荐
- Yolo:实时目标检测实战(上)
Yolo:实时目标检测实战(上) YOLO:Real-Time Object Detection 你只看一次(YOLO)是一个最先进的实时物体检测系统.在帕斯卡泰坦X上,它以每秒30帧的速度处理图像, ...
- YOLO:实时目标检测
北京 | 深度学习与人工智能研修 12月23-24日 再设经典课程 重温深度学习阅读全文> 一瞥(You Only Look Once, YOLO),是检测Pascal VOC(http://h ...
- 算力限制场景下的目标检测实战浅谈
作者:张钊宁 本文为极市原创,转载请注明作者和出处. 原文:算力限制场景下的目标检测实战浅谈 本篇文章为张博19年1月18日在极市直播分享的文字详细整理. 算力限制场景主要是指在嵌入式设备,也就是算力 ...
- 目标检测实战必会!4种基于YOLO目标检测(Python和C++两种版本实现)
目标检测实战必会!4种基于YOLO目标检测(Python和C++两种版本实现) AI算法修炼营 1周前 以下文章来源于极市平台 ,作者CV开发者都爱看的 极市平台 专注计算机视觉前沿资讯和技术干货,官 ...
- 【目标检测】54、YOLO v7 | 又是 Alexey AB 大神!专为实时目标检测设计
文章目录 一.背景 二.方法 2.1 结构 2.2 Trainable bag-of-freebies 三.效果 论文:YOLOv7: Trainable bag-of-freebies sets n ...
- 目标检测实战:4种YOLO目标检测的C++和Python两种版本实现
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨nihate 审稿丨邓富城 编辑丨极市平台 导读 本文作者使用C++编写一套基于OpenCV的Y ...
- 【深度学习】目标检测实战:4种YOLO目标检测的C++和Python两种版本实现
作者丨nihate 审稿丨邓富城 编辑丨极市平台 导读 本文作者使用C++编写一套基于OpenCV的YOLO目标检测,包含了经典的YOLOv3,YOLOv4,Yolo-Fastest和YOLObile ...
- ubuntu下快速实现yolo v3目标检测
本文用到的脚本文件等资源已经上传,也可以直接下载使用: cpu脚本:cpu_darknet_env.sh_linux系统下yolo的目标检测-深度学习文档类资源-CSDN下载 gpu脚本:gpu_da ...
- 手把手用YOLO做目标检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自 | 新机器视觉 作为目前机器学习领域最火热的研究方向之一 ...
最新文章
- 华为 | 人生苦短,码短情长,有场大Party等你来Pick!
- 一旦上了CRM系统 就期待短期见效?
- nginx 常见参数以及重定向参数配置
- k8s 多租户_k8s使用rbac实现多租户
- 澳大利亚科学家研发智能袜子SoPhy,帮助患者进行理疗
- 吴恩达 coursera ML 第七课总结+作业答案
- C#实现bitmap图像矫正
- python语法基础整理_Python基础
- 【python零基础入门学习】Python入门,带你快速学习为什么那么多人想学 Python?
- 吞吐量、速率、背板带宽
- java提取姓名_java获取类型名字的不同方法
- Python使用Telnetlib模块实现telnet远程操作
- 大学matlab教程,大学数学MATLAB应用教程
- 投标是个技术活,不这样做要么苟且,要么狗带
- 多少 80 后因为一台文曲星而走上了程序员之路
- 手机QQ聊天记录备份
- linux自动备份oracle数据库并上传到备份服务器 脚本实现(转)
- 全面揭露网络交易出现的十大欺诈骗术
- 香港电影经典回顾之爱情二十四章经
- Blackberry上网问题解决方案
热门文章
- 外包工作经历暨2021年终总结
- 【微服务架构】SpringCloud使用Ribbon实现负载均衡
- ttf,woff2字体转化为png图片,python读取图片
- “Attention is All You Need 翻译
- Python type hints 之 Optional,Union
- Graph Representation 图神经网络
- 3D Cube计算引擎加速运算
- MLPerf Inference 0.7应用
- TensorFlow中的语义分割套件
- Can't add more than 2 views to a ViewSwitcher