YOLO如何训练分类网络？？？

一般YOLO的工程应用直接上检测，源自作者提供了分类的预训练模型，但是如果自己改网络训练怎么办？预训练网络没有怎么办？

不怕，两种方法可以解决！

第一种：比较笨的方法，就是下载imagenet数据训练分类网络！

第二种：一层一层的改网路，每改一层，在原有预训练的条件下训练网络，生成新的模型时作为下一次修改网络的预训练模型！说的好像不是很清楚额，这个问题以后讨论！

今天讨论如何用yolo训练自己的分类模型！可见我们一般的分类工程都是通过caffe来做的，YOLO其实可以替代的，而且yolo是纯c，有着不可替代的优点！加上OpenBlas，效果不要太好了！

第一步：yolo配置

这个在本博文不提了，可参考我的系列博客http://blog.csdn.net/samylee/article/details/53414108

第二步：数据制作

没啥特殊要求，如下图所示，train保存训练图片，test保存测试图片，labels.txt为分类的标签，例如猫狗大战则为cat和dog！

注意一点就行，即图片名称为labels.txt中的一种，例如cat_1.jpg，cat为labels中的一种，后面_1随便写，只要没有dog就行！（WHY？全局搜索strstr函数即可豁然开朗）

同时要分别生成train.list和test.list保存图片train和test的绝对路径，这个程序可以自己写一下啦，很简单！

第三步：数据配置文件制作

例如猫狗大战数据，cat_dog.data怎么写？如下：

classes=2
train  = data/cat_dog/train.list
valid  = data/cat_dog/test.list
labels = data/cat_dog/labels.txt
backup = cat_dog/backup/
top=2

很明显，classes表示几类，labels表示标签路径，backup表示要把模型存放在哪里，top表示准确率输出前几，类似caffe！

第四步：网络文件制作

cat_dog.cfg怎么写？如下：

[net]
batch=128
subdivisions=1
height=416
width=416
channels=3
max_crop=428
min_crop=428hue=.1
saturation=.75
exposure=.75learning_rate=0.1
policy=poly
power=4
max_batches = 5000
momentum=0.9
decay=0.0005[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky[maxpool]
size=2
stride=2[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky[maxpool]
size=2
stride=2[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky[convolutional]
filters=2
size=1
stride=1
pad=1
activation=leaky[avgpool][softmax]
groups=1[cost]
type=sse

很明显，max_crop表示原始图像大小，heights和weights表示剪切图像大小，最后一层conv输出为几类，这里比如猫狗为2！

第五步：训练

到了这一步，很舒服！终端写入如下命令即可：

./darknet classifier train cfg/cat_dog.data cfg/cat_dog.cfg

训练过程看啥呢？看loss，loss应该越来越小，最后趋于平稳！

第六步：测试

训练完毕过后，拿出训练结果的模型来测试，真皮！终端输入如下命令即可：

./darknet classifier predict cfg/cat_dog.data cfg/cat_dog.cfg cat_dog_final.weights data/dog.jpg

结束啦，终端可以看到输出两个结果（top=2），第一个即为判断的结果啦！

任何问题请加唯一QQ2258205918(名称samylee) !!!

或唯一VX：samylee_csdn

YOLO如何训练分类网络？？？相关推荐

使用Mini-ImageNet训练分类网络
文章目录数据集下载链接数据集简介制作新的train以及val文件训练自己的网络数据集下载链接百度网盘下载: 链接: https://pan.baidu.com/s/1Uro6RuEbRGG ...
【代码实验】CNN实验——利用Imagenet子集训练分类网络（AlexNet/ResNet）
文章目录前言一.数据准备二.训练三.结果前言 Imagenet是计算机视觉的经典分类比赛,但是Imagenet数据集本身太大了,我们穷学生没有这么大的算力,2016年google DeepM ...
tictoc正方形网络模型_Trick | 分类网络Trick大汇总
本文介绍了训练分类网络的各个阶段可以用来提升性能的Trick,也就是俗称的调参术.结果顶级调参术的调教,ResNet- 50的top-1验证精度在ImageNet上从75.3%提高到79.29%.这个 ...
Caffe实践】如何利用Caffe训练ImageNet分类网络
Caffe实践]如何利用Caffe训练ImageNet分类网络源文章:https://github.com/BVLC/caffe/tree/master/examples/imagenet 由于要使 ...
YOLO模型训练及预测
YOLO模型介绍目录 [隐藏] 1简介 2核心思想 3YOLO代价函数 4网络实现 4.1标签定义 4.2网络定义 5网络训练 6网络预测简介 YOLO为一种新的目标检测方法,该方法的特点是实现快 ...
3—YOLO：训练自己的数据
YOLO: Real-Time Object Detection:https://pjreddie.com/darknet/yolo/ YOLO模型训练可视化训练过程中的中间参数:http://blo ...
MTCNN-tensorflow源码解析之训练PNet网络-train_PNet.py
tfrecords文件存放在文件 "../../DATA/imglists/PNet/train_PNet_landmark.tfrecord_shuffle中,接下来用它来训练PNet网络 ...
迁移学习实战 | 快速训练残差网络 ResNet-101，完成图像分类与预测，精度高达 98%！...
作者 | AI 菌出品 | CSDN博客头图 | CSDN付费下载自视觉中国前言笔者在实现ResNet的过程中,由于电脑性能原因,不得不选择层数较少的ResNet-18进行训练.但是很快发现, ...
yolov8 做图片分类和 ResNet Efficientnet 等常用分类网络的对比
文章大纲 yolo v8 图片分类简介与原理说明训练代码数据集的组织多尺度训练参考内容 ResNet 简介与原理说明训练代码与使用说明 Usage EfficientNet 推理代码其他 ...

YOLO如何训练分类网络？？？

YOLO如何训练分类网络？？？相关推荐

最新文章

热门文章