yolo算法框架使用二
6,voc數據集訓練模型
1)下載數據集
官網提供一些voc數據,是基於2007年到2012年的,你可以通過以下地址下載到:
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 tarxf VOCtest_06-Nov-2007.tar
可以把數據存放到VOCdevkit/目錄下
2)生成識別標簽
識別標簽必須是.txt文件的,具體格式如下:
<object-class> <x> <y> <width> <height>
Object-class 是分類的名稱
其余元素是關聯到圖片的像素,寬和高的
通過下載官網提供的voc_label.py 我們可以快速的生成這一個文件,把他下載到scripts/目錄下:
wget https://pjreddie.com/media/files/voc_label.py python voc_label.py
幾分鐘後,就會生成相應的文件存放到:
VOCdevkit/VOC2007/labels/ 或者 VOCdevkit/VOC2012/labels/下面:
ls 2007_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
我們可以把自己真正要訓練的文件合並成一個:
cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
3)修改配置指向的數據(Pascal Data)
在cfg/voc.data裏配置數據的指向:
1 classes= 20 2 train = <path-to-voc>/train.txt 3 valid = <path-to-voc>2007_test.txt 4 names = data/voc.names 5 backup = backup
<path-to-voc> 就是你數據集的指向
4)下載預訓練的卷積的權重
這裏用到卷積的權重是imageNet預訓練提供:
wget https://pjreddie.com/media/files/darknet19_448.conv.23
你也可以通過下載預訓練的Darknet19 448x448 model(https://pjreddie.com/darknet/imagenet/#darknet19_448) 模型來產生你自己的權重,執行下面的命名:
./darknet partial cfg/darknet19_448.cfg darknet19_448.weights darknet19_448.conv.23 23
5)訓練模型
./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23
7,用coco 訓練yolo模型
Coco數據集,我沒有用過,具體可以查看http://cocodataset.org/#overview 了解一下
1)獲取coco數據集
下載coco的數據集和標簽,可直接通過scripts/get_coco_dataset.sh腳本執行:
cp scripts/get_coco_dataset.sh data cd data bash get_coco_dataset.sh
這樣標簽和數據集都有了。
2)配置數據集的指向
在cfg/coco.data配置文件裏配置:
1 classes= 80 2 train = <path-to-coco>/trainvalno5k.txt 3 valid = <path-to-coco>/5k.txt 4 names = data/coco.names 5 backup = backup
<path-to-coco>是你的具體路徑指向
另外還需要配置你數據集是用於訓練不是測試的,默認是測試的配置,在cfg/yolo.cfg:
[net] # Testing # batch=1 # subdivisions=1 # Training batch=64 subdivisions=8 ....
3)訓練模型
./darknet detector train cfg/coco.data cfg/yolo.cfg darknet19_448.conv.23
4)啟用gpus執行訓練,加速
./darknet detector train cfg/coco.data cfg/yolo.cfg darknet19_448.conv.23 -gpus 0,1,2,3
5)訓練暫停或者從斷點開始訓練
./darknet detector train cfg/coco.data cfg/yolo.cfg backup/yolo.backup -gpus 0,1,2,3
8,官方特別聲明的
如果你使用他們的框架,必須在註釋裏說明框架來源,可以直接在註釋裏粘入下面的註釋:
@article{redmon2016yolo9000, title={YOLO9000: Better, Faster, Stronger}, author={Redmon, Joseph and Farhadi, Ali}, journal={arXiv preprint arXiv:1612.08242}, year={2016} }
參考地址:https://pjreddie.com/darknet/yolo/
論文地址 :https://arxiv.org/abs/1612.08242
yolo算法框架使用二