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
現在我們把2023年的trainval和2023年的trainval都列在乙個大名單上。這就是我們要做的資料設定！
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：
1 classes= 20
2 train = /train.txt
3 valid = 2007_test.txt
4 names = data/voc.names
5 backup = 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
2 train = /trainvalno5k.txt
3 valid = /5k.txt
4 names = data/coco.names
5 backup = 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]
# testing
# batch=1
# subdivisions=1
# training
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...