Yolo 實時目標檢測實戰（下）

yolo：實時目標檢測實戰（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:

ls2007_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

文字檔案如2007_train.txt列出了當年的影象檔案和影象集。darknet需要乙個文字檔案，其中包含所有要訓練的影象。在這個例子中，讓我們訓練除了2007測試集之外的所有東西，以便我們可以測試我們的模型。執行：

cat 2007_train.txt 2007_val.txt 2012_*.txt

train.txt

修改pascal資料的cfg

現在找到你的darknet 目錄。我們必須更改cfg/voc.data配置檔案以指向您的資料：

1classes= 20

2train  = /train.txt

3valid  = 2007_test.txt

4names = data/voc.names

5backup = backup

您應該將

替換為放置voc資料的目錄。

wget

訓練模型

現在我們可以訓練了！執行命令：

./darknet detector train cfg/voc.data

cfg/yolov3-voc.cfg darknet53.conv.74

在coco上訓練yolo

如果你想使用不同的訓練模式、超引數或資料集，你可以從頭開始訓練yolo。下面是如何讓它在coco資料集上工作。

獲取coco資料

cp scripts/get_coco_dataset.sh data

cd data

bash get_coco_dataset.sh

現在您應該擁有為darknet生成的所有資料和標籤。

修改coco的cfg

現在找到的darknet目錄。我們必須更改cfg/coco.data配置檔案以指向您的資料：

1 classes= 80

2train  =

/trainvalno5k.txt

3valid  = /5k.txt

4names = data/coco.names

5backup = backup

您應該用放置coco資料的目錄替換 。

您還應該修改模型cfg以進行訓練，而不是測試。cfg/yolo.cfg應該如下所示：

[net]

batch=64

subdivisions=8

訓練模型

現在我們可以訓練了！執行命令：

./darknet detector train cfg/coco.data

cfg/yolov3.cfg darknet53.conv.74

如果要使用多個gpu執行：

./darknet detector train cfg/coco.data

cfg/yolov3.cfg darknet53.conv.74 -gpus 0,1,2,3

如果要從檢查點停止並重新開始訓練：

./darknet detector train cfg/coco.data

cfg/yolov3.cfg backup/yolov3.backup -gpus 0,1,2,3

開放影象資料集上的yolov3

wget

./darknet detector test cfg/openimages.data

cfg/yolov3-openimages.cfg

yolov3-openimages.weights

老yolo怎麼了？

如果您使用的是yolo版本2，您仍然可以在這裡找到**：

引用如果你在工作中使用yolov3，請引用我們的**！

@article,

author=,

journal = ,

year=

Yolo 實時目標檢測實戰（下）

yolo 實時目標檢測實戰 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 ...

Yolo 實時目標檢測實戰（上）

yolo 實時目標檢測實戰 上 yolo real time object detection 你只看一次 yolo 是乙個最先進的實時物體檢測系統。在帕斯卡泰坦x上，它以每秒30幀的速度處理影象，在coco test dev上有57.9 的map。與其他探測器的比較，yolov3非常快速和準確。在...

目標檢測 YOLO演算法

r cnn系列目標檢測方法 r cnn,fast r cnn,faster r cnn 看做目標檢測，都是需要 看兩眼 的。即，第一眼做 region proposals 獲得所有候選目標框，第二眼對所有候選框做 box classifier候選框分類 才能完成目標檢測 事實上 第一眼 是挺費時間的...