array(2) { ["docs"]=> array(10) { [0]=> array(10) { ["id"]=> string(3) "428" ["text"]=> string(77) "Visual Studio 2017 单独启动MSDN帮助（Microsoft Help Viewer）的方法" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(8) "DonetRen" ["tagsname"]=> string(55) "Visual Studio 2017|MSDN帮助|C#程序|.NET|Help Viewer" ["tagsid"]=> string(23) "[401,402,403,"300",404]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400964" ["_id"]=> string(3) "428" } [1]=> array(10) { ["id"]=> string(3) "427" ["text"]=> string(42) "npm -v；报错 cannot find module "wrapp"" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(4) "zzty" ["tagsname"]=> string(50) "node.js|npm|cannot find module "wrapp“|node" ["tagsid"]=> string(19) "[398,"239",399,400]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400760" ["_id"]=> string(3) "427" } [2]=> array(10) { ["id"]=> string(3) "426" ["text"]=> string(54) "说说css中pt、px、em、rem都扮演了什么角色" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(12) "zhengqiaoyin" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511400640" ["_id"]=> string(3) "426" } [3]=> array(10) { ["id"]=> string(3) "425" ["text"]=> string(83) "深入学习JS执行--创建执行上下文（变量对象，作用域链，this）" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "Ry-yuan" ["tagsname"]=> string(33) "Javascript|Javascript执行过程" ["tagsid"]=> string(13) "["169","191"]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511399901" ["_id"]=> string(3) "425" } [4]=> array(10) { ["id"]=> string(3) "424" ["text"]=> string(30) "C# 排序技术研究与对比" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(9) "vveiliang" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(8) ".Net Dev" ["catesid"]=> string(5) "[199]" ["createtime"]=> string(10) "1511399150" ["_id"]=> string(3) "424" } [5]=> array(10) { ["id"]=> string(3) "423" ["text"]=> string(72) "【算法】小白的算法笔记：快速排序算法的编码和优化" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(9) "penghuwan" ["tagsname"]=> string(6) "算法" ["tagsid"]=> string(7) "["344"]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511398109" ["_id"]=> string(3) "423" } [6]=> array(10) { ["id"]=> string(3) "422" ["text"]=> string(64) "JavaScript数据可视化编程学习（二）Flotr2，雷达图" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "chengxs" ["tagsname"]=> string(28) "数据可视化|前端学习" ["tagsid"]=> string(9) "[396,397]" ["catesname"]=> string(18) "前端基本知识" ["catesid"]=> string(5) "[198]" ["createtime"]=> string(10) "1511397800" ["_id"]=> string(3) "422" } [7]=> array(10) { ["id"]=> string(3) "421" ["text"]=> string(36) "C#表达式目录树（Expression）" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(4) "wwym" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(4) ".NET" ["catesid"]=> string(7) "["119"]" ["createtime"]=> string(10) "1511397474" ["_id"]=> string(3) "421" } [8]=> array(10) { ["id"]=> string(3) "420" ["text"]=> string(47) "数据结构 队列_队列实例：事件处理" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(7) "idreamo" ["tagsname"]=> string(40) "C语言|数据结构|队列|事件处理" ["tagsid"]=> string(23) "["246","247","248",395]" ["catesname"]=> string(12) "数据结构" ["catesid"]=> string(7) "["133"]" ["createtime"]=> string(10) "1511397279" ["_id"]=> string(3) "420" } [9]=> array(10) { ["id"]=> string(3) "419" ["text"]=> string(47) "久等了,博客园官方Android客户端发布" ["intro"]=> string(288) "目录 ECharts 异步加载 ECharts 数据可视化在过去几年中取得了巨大进展。开发人员对可视化产品的期望不再是简单的图表创建工具，而是在交互、性能、数据处理等方面有更高的要求。 chart.setOption({ color: [ " ["username"]=> string(3) "cmt" ["tagsname"]=> string(0) "" ["tagsid"]=> string(2) "[]" ["catesname"]=> string(0) "" ["catesid"]=> string(2) "[]" ["createtime"]=> string(10) "1511396549" ["_id"]=> string(3) "419" } } ["count"]=> int(200) } 222 利用YOLO实现自己的目标检测 - 爱码网

利用YOLO实现自己的目标检测

因为很多是我按照记忆来写的，可能会有错误，大家一定按照给的链接为准，参考这些即可。。。。。

最近，在师哥的引导下，接触了一下YOLO算法，是近年来一个比较好的目标检测算法，而且它有自己的开源深度学习框架—darknet，使用起来比较简单，对于我一个新手来说，挺直白的这个，可以学习一下。

我是在ubuntu16.04下配置的darknet，darknet的安装比较简单，官网上有详细的步骤，按部就班就能装上。

darknet的   官网   

darknet的安装并不困难，但是因为要训练，就需要配置GPU，要安装显卡驱动，这里面的坑是巨大的，我是站在师哥的肩膀上，师哥已经配置好了，就方便多了，使用darknet不难，配置GPU是真的坑多，按照教程一步一步来，不行就多配置几遍，因为就算第一次配置成了，下一次也不一定成功，配置就是这么烦的工作。我推荐一个网址，可以按照下面链接的教程来。

                                                                  Ubuntu配置GPU

这里面比较别扭的是要很多操作要进入字符界面操作，但是像我这样对Ubuntu系统很不熟悉，几乎陌生的人，玩不转，但是只要耐心多弄几次，不会的就多百度，慢慢就弄出来了，详细的步骤就按照上面的教程来。

还需安装opencv，配置opencv。。。。。

下面说一下，怎么利用YOLO算法的darknet框架来进行自己的目标检测。

先贴一个github教程        

          Yolo-v3 and Yolo-v2 for Windows and Linux

就按照这个教程来，就能做出自己的目标检测了，下面我再解释几个重要的部分。

首先要有样本，我们要有图片，需要对图片进行标注，这里面就要用到一个标注工具  YOLO—mark，需要下载这个包，然后编译配置，安装这个教程来         YOLO—mark    

先把github上的这个包下载下来，解压，然后就把一些文件的参数改改，把图片替换成自己的就行。

利用YOLO实现自己的目标检测

先把 x64/Release下的yolo-obj.cfg 文件中的classes和filters改成自己的，classes就是你要检测目标一共有多少种，filters=（classes+5）*5，打开yolo-obj.cfg 文件，按住Ctrl+f搜索classes跟filters，改成自己需要的数，classes只有一个，filters有很多，改哪一个，看一下上面那个教程，只需要修改一处。。

利用YOLO实现自己的目标检测

然后再对x64/Release/data下的进行修改。img里面的照片换成自己的，按上面给的教程修改obj.data和obj.names文件里面的内容，obj.data文件里要修改的就是classes，自己检测多少种，就改多少。obj.names就是要检测目标的名字，比如cat，dog，car。。。。一个名字一行。。。train.txt不用动，这个文件是一会运行自动生成的，里面是你标注过的图片的路径。那两个文件怎么修改，参考上面的教程即可，这就不多啰嗦了。train.txt文件内容参考下图

利用YOLO实现自己的目标检测

首先cd Yolo_mark-master，先到Yolo_mark-master这个文件夹路径下

然后按照指令编译即可

cmake .     （注意cmake和  .  之间是有一个空格的）

make

编译好了会生成一些文件，如下图

利用YOLO实现自己的目标检测

第一个文件夹，第3,4个文件，还有倒数第三个可执行程序就是新生成的。

然后 ./linux_mark.sh 就会运行了。

输入./linux_mark.sh这个指令可能会报错，缺少权限，再输入指令

chmod a+x ./linux_mark.sh

再输入

./linux_mark.sh

利用YOLO实现自己的目标检测

应该就可以成功运行了，这就解决了标注问题。标注除了会生成那个train.txt文件外，再就会在img文件夹下生成一些txt文件，标注一张图片都会生成想应的txt文件，文件里面就是标注框的中心点坐标和标注框的长宽，长和宽是按照一定比例折算的，不是实际的大小。

剩下的工作就是将你所需要训练的照片都标注上，标注完成后将data文件复制到darknet/x64/Release/下，替换原来的data文件夹。

利用YOLO实现自己的目标检测

然后需要修改yolo-obj.cfg文件里面的内容，到darknet/cfg/下，找到yolov3.cfg，将里面的内容复制到yolo-obj.cfg文件中。

需要修改一些内容，还是按住Ctrl+f搜索classes，一共三处classes，换成你要检测的种类。再搜索yolo，将yolo层上面的filters改成（classes+5）*3，也是一共三处，参考下图。具体参考yolov3。。。for win and linux那个教程，会告诉具体修改哪一行。

这里要注意，不要跟配置标注工具的时候混淆了。。。。。。。filters的计算是不一样的，数目也不一样，标注工具的只有一处，这有三处。。。。。。

利用YOLO实现自己的目标检测          利用YOLO实现自己的目标检测


在训练的时候，按照下图

利用YOLO实现自己的目标检测

测试的时候，按照下图修改

利用YOLO实现自己的目标检测

正常训练过程如下图

利用YOLO实现自己的目标检测

如果，全部都显示nan，说明训练发生错误，可能是哪个文件没修改对，期望的是class趋近1，obj趋近1，no obj趋近0。

前900次，每100次会生成一个模型，后面10000次生成一个，存储在darknet/backup文件夹下

利用YOLO实现自己的目标检测

其中yolo-obj.backup这个是实时存储的，剩下的到了一定步数生成的。

在训练的时候一定要修改yolo-obj.cfg文件，将来转换为训练模式，测试的时候记得修改成测试模式。

下面是训练指令

利用YOLO实现自己的目标检测

./darknet detector train 是训练固定的   x64/Release/data 是obj.data的路径  x64/Release是yolo-obj.cfg的路径，cd darknet是到了darknet路径下，即它们都是在darknrt路径下的

下面是测试指令

利用YOLO实现自己的目标检测

backup/yolo-obj.backup是保存在backup文件下的训练生成的模型

data/test1241.jpg是data文件夹下的一张测试图片

对于一个ubuntu的新手来说，务必要搞清楚这些路径问题。。。。。。。


因为很多是我按照记忆来写的，可能会有错误，大家一定按照给的链接为准，参考这些即可。。。。。

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode