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:

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 ...