yolov3实现

骑猪看日落 2022-05-16 07:13 221阅读 0赞

网址：[https://pjreddie.com/darknet/yolo/][https_pjreddie.com_darknet_yolo]  
按照该网址实现，很方便

git clone https://github.com/pjreddie/darknet
    cd darknet
    make

GPU的环境进行编译之前，修改makefile文件，如下：

# GPU=0
    # CUDNN=0
    # OPENCV=0
    # OPENMP=0
    GPU=1
    CUDNN=1
    OPENCV=1
    OPENMP=1
    DEBUG=0

下载weight模型

wget https://pjreddie.com/media/files/yolov3.weights

下载weight模型yolov3\_tiny（GPU显存小，在实现视频实时识别时，可选用）

wget https://pjreddie.com/media/files/yolov3-tiny.weights

然后就是简单的测试了

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg # 简写版
    ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg # 完整版
    # 改变检测阈值
    # 默认情况下，YOLO仅显示检测到的置信度为.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，您可以将阈值设置为0：
    ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg -thresh 0

![这里写图片描述][70]  
摄像头实时监控*不附图啦*  
Real-Time Detection on a Webcam  
（记得环境编译要求：cuda、opencv）

# 与上测试命令相似，无data输入而已，自动调用摄像头
    ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

视频监控

# ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>
    ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights 1.mov

在voc数据集上训练yolo

# 下载数据集
    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

生成label文件

wget https://pjreddie.com/media/files/voc_label.py
    python voc_label.py
    查看已下载好的文件
    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
    # 像2007_train.txt这样的文本文件列出了该年份的图像文件和图像集。Darknet需要一个文本文件，其中包含您要训练的所有图像。在这个例子中，让我们训练除了2007测试集之外的所有东西，以便我们可以测试我们的模型。
    cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

修改Pascal数据的Cfg，我们必须更改cfg / voc.data配置文件以指向您的数据：

classes= 20
    train  = <path-to-voc>/train.txt
    valid  = <path-to-voc>2007_test.txt
    names = data/voc.names
    backup = backup

如coco.data文件中的内容，上述需修改即可。

classes= 80
    train  = /home/pjreddie/data/coco/trainvalno5k.txt
    # valid  = coco_testdev
    valid = data/coco_val_5k.list
    names = data/coco.names
    backup = /home/pjreddie/backup/
    eval=coco

对于训练，我们使用在Imagenet上预训练的卷积权重。我们使用darknet53模型的权重。您可以在此处下载卷积图层的权重（76 MB）。（去原网页找）

wget https://pjreddie.com/media/files/darknet53.conv.74

训练

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

[https_pjreddie.com_darknet_yolo]: https://pjreddie.com/darknet/yolo/
[70]: /images/20220516/7400a18d2c694096a41a25c683d7b754.png