Yolo V3在Google中的应用

Question

我一直试图开发一个对象检测系统，使用Yolo v3在google上，而不是我的本地机器，因为它的免费，快速和开放源码的性质。但问题是，我是迷路后，以下几个教程关于Yolo V3的设置和开发，但没有一个是专门针对Google的。现在，在Colab中安装了所有所需的依赖项之后，我就有了库存。

请给我任何关于开发过程的好教程或者在这个问题上指导我。

我所学习的一些教程是：

1. 如何从零开始在v3中实现YOLO ( PyTorch )对象检测器
2. Google免费GPU教程
3. 使用Pytourch
4. Google Colab上的YOLO

Answer 1

我写了一篇关于如何在Google Colab上使用Darknet训练Yolo的文章。它包含了必要的步骤，一些提示和笔记本与所有的解释。

教程

注意:我认为这会有所帮助，但在StackOverflow中链接到自己的教程可能不是一个好的实践。事先抱歉！

大卫

Answer 2

**YOLO V3 - 15分钟后**

第一步

克隆存储库!git clone https://github.com/pjreddie/darknet.git

设置当前目录!cd darknet

检查当前目录- !pwd

注意-如果!cd不起作用，然后使用，

import os
os.chdir("path")

第二步

用双击打开darknet/makefile。编辑文件，更改值GPU = 1

向下滚动

ARCH= -gencode arch=compute_30,code=sm_30 \
  -gencode arch=compute_35,code=sm_35 \
  -gencode arch=compute_50,code=[sm_50,compute_50] \
  -gencode arch=compute_52,code=[sm_52,compute_52]
  -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?

在第一行中，将compute_30,code=sm_30更改为compute_50,code=sm_50，通过CTRL + S保存此文件

第三步

现在，创建一个文件夹darknet/data/Image并在其中移动您的数据集。图像文件和注释文件。

示例- image.jpg和image.txt

拆分数据集而不将数据移动到不同的文件夹中，只需创建两个txt文件并使用路径存储图像名。示例-数据/图像/Image.jpg

您可以使用代码在txt文件中写入名称。https://gist.github.com/sainisatish/1328a1d29273e32a5821cfbc38127fbe

train.txt和valid.txt将这些文件放在darknet/data文件夹中

第四步

现在打开配置文件darknet/cfg/yolov3.cfg并编辑它。(双击)

这是模型架构。

第一次更改启动参数，如Batch = 64,subdivision = 16

max_batches = 2000*n，这里n是类的数目，如果有两个类，则为max_batches = 4000。

步骤是max_batches的%，我们可以使用80%和90%。

step = 80% of max_batches, 90% of max batches
step = 3200,3600

向下滚动到底部并更改两个参数

在[yolo]层中更改- classes

和

在[convolutional]层(仅在yolo层之上)，更改filters。

类= (c)类数目过滤器= (c+5)*3

注意-这里只有3个yolo层

保存文件

第五步

现在，在darknet/data中创建两个文件，创建一个具有.names扩展名的文件，并保存类名。

cat
dog

在darknet/cfg中，创建另一个具有.data扩展名的文件，并保存以下详细信息。

classes= 2 
train  = data/train.txt
valid  = data/test.txt
names  = data/obj.names
backup = backup/

现在所有的工作都完成了。只需运行以下命令

!make

下载此重量文件

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

在命令成功完成后，通过运行此命令来训练黑网模型。

!./darknet detector train cfg/obj.data cfg/yolov3.cfg darknet53.conv.74 | tee -a log.txt

测试你的模型

./darknet detector test cfg/obj.data cfg/yolov3.cfg backup/your weight file address

面对任何问题，评论你的问题。