利用搭载好的工控机环境跑yolov3-tiny

Posted 2020-12-12 vincent212212

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>标志传递给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