在 YOLOv3 中训练自定义对象，它是如何工作的？答案

【问题标题】：training custom object in YOLOv3, how does it work?在 YOLOv3 中训练自定义对象，它是如何工作的？
【发布时间】：2018-04-01 01:42:57
【问题描述】：

我有一个项目需要检测类似动漫风格的视频中的人

我刚刚在 GTX 1050TI 中用 COCO 测试了 YOLOv3 608x608

然而速度只有约 1.5FPS 左右，但我的项目在 1050TI 上至少需要 10 FPS

1.我想知道类的数量会影响检测速度吗？（我假设 COCO 是要在图片中找到 80 种物体？如果我只需要找到一种物体，它会快 80 倍吗？）

2.当我输入图像进行训练时，原始图像是1920*1080，我应该在标记和训练之前将它们调整为608x608吗？

3.我应该使用任何标记工具吗？在 https://github.com/AlexeyAB/darknet <x> <y> <width> <height> 的 README.md 中似乎需要手动计算和输入，这似乎太难了，也许有一个工具我只需要裁剪图像中对象的位置？

4.如果物体不是图像中的正方形，YOLO怎么知道哪个部分是物体？如何避免将背景训练为对象？

我是否必须删除所有背景并将其填充为黑色，只保留图像中的对象？

5.输出总是一个盒子吗？我可以训练并获得输出作为掩码吗？如果我检测为掩码，它是否会比框慢，因为它似乎包含更多信息？

6.要获得好的结果，我应该制作多少训练图像和测试图像？

我知道这只是简历中的一些菜鸟问题，但是我真的很想知道这一点，而无需花费数周的时间进行培训并自己找出答案，我们将不胜感激！

【问题讨论】：

标签： opencv computer-vision object-detection darknet yolo

【解决方案1】：

https://en.wikipedia.org/wiki/List_of_manual_image_annotation_tools

您应该能够通过使用一些图像注释工具来获得角坐标的输出。

有了足够多的不同背景的图像进行训练，模型应该能够忽略背景。黑色背景仍然是背景。我想这是一种数据增强，所以它可能有助于减少过度拟合。

如果它不支持开箱即用的掩码，也许您希望将背景减法作为处理输出的额外步骤。

【讨论】：

【解决方案2】：

1) 在我看来，GTX 1050Ti 不足以测试 YOLO v3。因为，与之前的版本相比，YOLO v3 的模型尺寸（即层数）变得非常大。在这种情况下，类的数量无关紧要。如果你想要更快的测试计算速度，你应该升级你的GPU，比如1070Ti。

2) 无论输入图片的大小，都会强制调整为预定义的大小，以cfg文件表示，因此您无需调整输入图片的大小。

【讨论】：

【解决方案3】：

1) 我认为它可能会稍微影响速度，因为当你使用更少的类时，你在每个 YOLO 层之前得到的卷积过滤器也会更少（你在 .cfg 文件中设置它），但它不太可能是 80 倍加速 2）也许？我的意思是，YOLO 会在训练和测试时调整它们的大小，所以如果你真的想要你可以，但根据我的经验，高分辨率图像通常效果更好。 3）我喜欢 OpenLabelling（你可以谷歌它，它在 GitHub 上） 4) 你可能想给 YOLO 负片图像，其中没有任何东西，以防止它们在没有任何东西的背景上拾取 5）YOLO不做口罩 6）每节课大约 1k 可能会起作用，你可以用 500 来解决，但经验法则是越多越好）

如果你有兴趣，我已经在 YouTube 上的 YOLO 上发布了整个系列，所以你可能想看看：https://youtu.be/TP67icLSt1Y

【讨论】：