【发布时间】：2020-02-23 21:56:46
【问题描述】：
我想用 Yolo 建立一个数据库，这是我第一次使用深度学习
- 如何为 Yolo 构建数据库并对其进行训练？
- 如何获得分类的权重？
- 对于深度学习新手来说是不是太难了？
【问题讨论】：
-
尝试使用gluonCV。在您的模型开始运行之前，您可能需要几天的时间。
标签： opencv image-processing deep-learning yolo
【发布时间】：2020-02-23 21:56:46
【问题描述】：
是的，您可以轻松做到！欢迎来到深度学习社区。不客气。
首先从Link下载darknet文件夹
进入文件夹并在命令提示符下输入make
git clone https://github.com/pjreddie/darknet
cd darknet
make
定义这些文件 -
data/custom.names
data/images
data/train.txt
data/test.txt
现在是时候使用LabelImg 标记图像并将其保存为 YOLO 格式，这将为图像数据集生成相应的标签 .txt 文件。
我们对象的标签应该保存在 data/custom.names 中。
使用脚本，您可以将数据集拆分为训练和测试-
import glob, os
dataset_path = '/media/subham/Data1/deep_learning/usecase/yolov3/images'
# Percentage of images to be used for the test set
percentage_test = 20
# Create and/or truncate train.txt and test.txt
file_train = open('train.txt', 'w')
file_test = open('test.txt', 'w')
# Populate train.txt and test.txt
counter = 1
index_test = round(100 / percentage_test)
for pathAndFilename in glob.iglob(os.path.join(dataset_path, "*.jpg")):
title, ext = os.path.splitext(os.path.basename(pathAndFilename))
if counter == index_test+1:
counter = 1
file_test.write(dataset_path + "/" + title + '.jpg' + "\n")
else:
file_train.write(dataset_path + "/" + title + '.jpg' + "\n")
counter = counter + 1
为了训练我们的目标检测器，我们可以使用已经在大量数据集上训练的现有预训练权重。从here我们可以下载预训练的权重到根目录。
在 custom_data 目录中创建一个 yolo-custom.data 文件，该文件应包含有关训练和测试数据集的信息
classes=2
train=custom_data/train.txt
valid=custom_data/test.txt
names=custom_data/custom.names
backup=backup/
现在我们必须在 yolov3.cfg 中进行更改以训练我们的模型。为两班。根据需要的性能，我们可以选择 YOLOv3 配置文件。对于这个例子，我们将使用 yolov3.cfg。我们可以将文件从cfg/yolov3.cfg复制到custom_data/cfg/yolov3-custom.cfg
我们的网络应该训练的最大迭代次数由参数 max_batches=4000 设置。还要更新steps=3200,3600，它是max_batches 的80%、90%。 我们需要更新在 [yolo] 层之前的 [yolo] 和 [convolutional] 层的类和过滤器参数。 在这个例子中，因为我们有一个单一的类（特斯拉），我们将更新 [yolo] 层中的类参数为 1 行号：610、696、783 同样，我们需要根据类计数过滤器 =（类 + 5）* 3 更新过滤器参数。对于两个类，我们应该在行号设置过滤器 = 21：603、689、776 所有配置更改均针对custom_data/cfg/yolov3-custom.cfg
现在，我们已经定义了训练 YOLOv3 模型所需的所有项目。训练-
./darknet detector train custom_data/detector.data custom_data/cfg/yolov3-custom.cfg darknet53.conv.74
【讨论】：
-
yolo只能识别预训练对象吗？我的意思是可以识别具有相同 Yolo 结构的对象，如曲线？
您还可以在图像中标记对象的有界框以训练 Yolo right in your web browser，只需打开 url。此工具已部署到 GitHub Pages。
【讨论】：
使用这个流行的分叉暗网存储库https://github.com/AlexeyAB/darknet。作者描述了许多步骤，可帮助您构建和使用自己的 Yolo 检测器模型。
【讨论】：
-
谢谢，在 Yolo 中，像 mlp 一样，我们是否必须手动指定神经网络层？还是自动设置图层？
-
@diegokabir 你不必这样做。 Yolo 有很多不同类型的架构，有 yolo、yolov2、yolov3、yolov3 tiny、yolov3 spp 等。所有的预训练模型和定义都由作者提供，因此您无需修改层除非你真的想做一些修改
-
我的图像在任何数据集中都不存在，所以我必须先创建数据集，然后对其进行训练，所以我必须自己指定图层吗？
-
@diegokabir 否，但您必须更改 cfg 文件中的
filters、classes参数，如 github.com/AlexeyAB/… 中所述。您可能想为自己的数据集计算自己的锚框值，只需按照链接上的指南进行操作
取决于您使用的操作系统类型。您可以拨打https://github.com/AlexeyAB/darknet [特别是对于Windows] 或坚持https://github.com/pjreddie/darknet。 这样做的步骤：
- 1) 按照帖子中的详细说明设置暗网。
- 2) 我使用 LabelIMG 来标记我的图像。确保格式 你保存的图像是在 YOLO 中。如果您使用 PascalVOC 格式或其他格式保存，您可以编写脚本将其更改为暗网期望的格式。[YOLO]。此外，请确保不要更改标签文件。如果要添加新标签，请在文件末尾添加新标签，而不是介于两者之间。 YOLO 格式完全不同，因此如果您在类之间进行更改，您之前标记的图像可能会变得混乱。
- 3) 当您在暗网中的特定文件夹中训练模型时，将生成权重。[如果您需要更多详细信息，我很乐意帮助您回答这个问题]。您可以在 YOLO 中下载 .74 文件并开始训练。训练的输入需要内置的 darknet.exe、cfg 文件、.74 文件以及您的训练数据位置/访问权限。
设置是严格的，过程本身不是。
【讨论】：
要构建自己的数据集，您应该使用 LabelImg。这是一个免费且非常简单的软件，可为您生成构建数据集所需的所有文件。事实上，因为您正在使用 yolo，所以您需要为每个图像创建一个 txt 文件，其中将包含重要信息，例如 bbox 坐标、标签名称。所有这些 txt 文件都是由 LabelImg 自动生成的，因此您只需使用 LabelImg 打开包含所有图像的目录，然后开始标记。然后，您将拥有所有 txt 文件，您还需要创建一些其他文件才能开始训练（请参阅https://blog.francium.tech/custom-object-training-and-detection-with-yolov3-darknet-and-opencv-41542f2ff44e）。
【讨论】：