6. 測試訓練出的網路模型
訓練好後可以在 backup看到權重檔案
嘗試test前要修改cfg檔案,切換到test模式。
可以重新建立乙個測試cfg檔案, 如yolov3-voc-ball-test.cfg
測試:./darknet detector test cfg/voc-ball.data cfg/yolov3-voc-ball.cfg backup/yolov3-voc-ball_final.weights testfiles/img1.jpg
7. 效能統計
計算map
首先執行
./darknet detector valid cfg/voc-ball.data cfg/yolov3-voc-ball.cfg backup/yolov3-voc-ball.backup
生成results/comp4_det_test_messi.txt檔案
然後執行
生成testmessi/messi_pr.pkl檔案
畫出pr曲線
然後可畫出pr曲線,
修改檔案draw_pr.py
fr = open('testmessi/messi_pr.pkl','rb')
執行python draw_pr.py
8. 修改預設的先驗框大小
1) 使用k-means聚類獲得自己資料集的先驗框大小
修改gen_anchors.py檔案
width_in_cfg_file = 608.
height_in_cfg_file = 608.
執行python
gen_anchors.py
得到的anchor大小
anchorbox.w*32
anchorbox.h*32
2) 修改cfg檔案中的先驗框大小
3) 重新訓練和測試
YOLOv3訓練自己的VOC資料集
yolo 一 安裝darknet並借助預訓練權重進行檢測 1.安裝darknetgit clone https pjreddie.com media files yolov3.weights3.執行檢測.darknet detect cfg yolov3.cfg yolov3.weights dat...
YOLOv3訓練自己的資料集pytorch版
參考 pytorch實現yolov3訓練自己的資料集 pytorch實現yolov3的原始位址 ultralytics版 環境 win10 python3.6 pytorch 1.1.0 opencv tqdm matplotlib 原始碼中有requirements.txt，安裝直接 pip3 i...
YOLOv3目標檢測 訓練自己的資料集
yolov3可以實時地進行端到端的目標檢測，以速度快見長。本課程的yolov3使用darknet，在ubuntu上做專案演示。包括 安裝darknet 給自己的資料集打標籤 整理自己的資料集 修改配置檔案 訓練自己的資料集 測試訓練出的網路模型 效能統計 map計算和畫出pr曲線 和先驗框聚類。da...