我们可以在没有图形处理器的自定义对象上训练YOLOv3吗？

Question

我的YOLO模型可以很好地检测瓶子、人、手机、背包等物体。但我想让我的模型检测到戒指、手镯或头盔(在目前的yolo模型中不存在的对象)。没有GPU，我能做一个自定义的对象检测yolo模型吗？涉及的风险是什么？(如有)。

我的系统是Windows 10 Home single language，内存为8 8GB。

Answer 1

重新编译darknet.exe在CPU上运行是非常慢的。我以前试过了。这完全不切实际。建议您学习英特尔OpenVINO工具包。

https://software.intel.com/en-us/openvino-toolkit

和

https://docs.openvinotoolkit.org/latest/_docs_MO_DG_prepare_model_convert_model_tf_specific_Convert_YOLO_From_Tensorflow.html

OpenVINO工具包可以在他们的中央处理器/集成图形处理器上加载和运行任何框架。

您仍然可以使用常规的NVIDIA卡来训练Darknet YOLO的自定义对象。然后使用第三方转换工具(可以在GitHub上轻松找到)将您训练的YOLO权重文件转换为Tensorflow PB文件。然后使用英特尔的模型优化器将PB文件和标签文件转换为其所谓的“推理表示”文件(在*.bin、*.xml、*.labels和*.mapping文件中命名)，稍后可以在英特尔的中央处理器或集成图形处理器上加载和运行这些文件。

他们的模型优化器将自动优化和删除YOLO卷积网络文件中一些未使用的节点，提高整体推理速度，这比简单地使用重新编译的中央处理器版本的darknet.exe在中央处理器上运行YOLO weight快得多。

Answer 2

是的，你能做到。

只需在darknet文件夹的Makefile中更改以下行-

GPU=1 CUDNN=1 (用于图形处理器)

改成-

GPU=0 CUDNN=0 (用于CPU)

是的，你也可以训练你的YOLO模型来检测自定义对象。只需关注此博客- Link