logo资料库

yolov3使用教程.docx

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：0.05M 资料格式：docx 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    文档说明 该文档包括对 yolov3 代码进行修改，使得神经网络只检测单类物品、使用 yolov3 训练自己 的数据集、裁剪检测目标三部分的内容。相关注意事项在最后已经标红。 只检测 person 1、 修改源代码： #修改成 1 cd darknet cd cfg vim coco.data 并作如下修改： classes= 1 train = /home/pjreddie/data/coco/trainvalno5k.txt valid = coco_testdev #valid = data/coco_val_5k.list names = data/coco.names backup = /home/pjreddie/backup/ 原因：在 coco.c 中定义的标签，人为第一个，所以改为 1. 返回上一级目录： cd examples vim detector.c void test_detector(char *datacfg, char *cfgfile, char weightfile, char filename, float thresh)函数中 draw_detections(im, l.wl.hl.n, thresh, boxes, probs, names, alphabet, 1); //最后一个参 数修改成 1。line=481 void run_detector(int argc, char **argv)//该函数中，倒数第三行.line=542 int classes = option_find_int(options, “classes”, 1);//最后一个参数修改成 1
    返回上一级目录 2、 重新编译代码 Make clean Make 3、 测试 ./darknet detect cfg/yolov3.cfg yolov3.weights data/此处为检测的文件名 检测之后发现只有人被检测出来了。 Yolov3 训练自己的数据 1. 修改 yolov3-voc.cfg 文件 将文件开头的数据 test 下边两行注释，打开 train 下边的两行。 进入 yolov3/darknet/cfg 文件夹， 使用 vim 修改 yolov3-voc.cfg 文件，修改的 参数共 6 个，3 个 classes 数量， 3 个 filters 参数： yolov3-voc.cfg 参数修改说明图如图 1 下所示： 图 1 yolov3-voc.cfg 参数修改说明图
    需要修改的地方如上所示，具体为[yolo]这个符号出现之处的 classes 参 数改为自己所需要的训练数据种类，然后将上边的 filters 参数修改为 3*(标签 种类数目+5),我这里是三类所以修改为 24. 具有上述形式的地方共三处。 2.创建.data 文件输入相关参数：(名字可以随便取例如 our.data) 这一部分仍然在 cfg 文件夹下进行，修改示例如下图 2 所示： 图 2 .data 文件示例图 这个文件用于配置训练时使用的参数，classes 表示标签种类； train 存训练数据的.txt 文件 valid 是验证数据的存储文件 names 是 voc.names 的地址，这个也可以不用修改 backup 是保存训练模型的地址，这个不用修改 3.修改 voc.names 文件 这个文件在 yolov3/darknet/data 文件夹下： 修改后的示例图如下图 3 所示
    图 3 voc.names 修改示例图 该文件用于保存标签的名字，就是自己训练过程中标签种类名，一行一个必 须换行写。 4.下载文件 darknet53.conv.74 wget https://pjreddie.com/media/files/darknet53.conv.74 5、上传自己的数据集和图片到上边的 our.data 里边参数设置的位置，包括图 片数据集和 txt 文件。 6、训练神经网络： ./darknet detector train cfg/our.data cfg/yolov3-voc.cfg darknet53.conv.74 0,2,3 -gpus Yolov3 裁剪所检测到的目标 1、image.h 中加入函数声明 void save_cut_image(int px, int py, int ph, int pw, int no, image m_img, char **names, float cut_pro, int the_class); 2. image.c 中加入如下函数定义 void save_cut_image(int px, int py, int ph, int pw, int no, image m_img, char **names, float cut_pro, int the_class)
    { image copy = copy_image(m_img); if (m_img.c == 3) rgbgr_image(copy); int x, y, k; char buff[256]; sprintf(buff, "results//%s%.0f%%%d.jpg", names[the_class], cut_pro, no); printf(" cut_class :%s ...........cut_class:%.0f ", names[the_class], cut_pro); printf(names[the_class]); printf("%f",cut_pro); IplImage *disp = cvCreateImage(cvSize(m_img.w, m_img.h), IPL_DEPTH_8U, m_img.c); int step = disp->widthStep; for (y = 0; y < m_img.h; ++y) { for (x = 0; x < m_img.w; ++x) { for (k = 0; k < m_img.c; ++k) { disp->imageData[y*step + x*m_img.c + k] = (unsigned
    char)(get_pixel(copy, x, y, k) * 255); } } } CvMat *pMat = cvCreateMatHeader(m_img.w, m_img.h, IPL_DEPTH_8U); CvRect rect = cvRect(px, py, pw, ph); cvGetSubRect(disp, pMat, rect); IplImage *pSubImg = cvCreateImage(cvSize(pw, ph), IPL_DEPTH_8U, m_img.c); cvGetImage(pMat, pSubImg); cvSaveImage(buff, pSubImg, 0); free_image(copy); } 3. 在 image.c 的 void draw_detections(image im, detection *dets, int num, float thresh, char **names, image **alphabet, int classes)函数中： draw_box_width(im, left, top, right, bot, width, red, green, blue);前一行插入如下代 码： int the_class = class;
    float cut_pro = dets[i].prob[class]; printf("cut_class :%s ...........class_pro:%.0f \n", names[the_class], cut_pro); int pre_x = left; int pre_y = top; int pre_h = bot - top; int pre_w = right - left; save_cut_image(pre_x, pre_y, pre_h, pre_w, i, im, names, cut_pro, the_class);*/ printf("/************ cut and save over *****************/ \n"); 输入图片进行测试就可以看到 results 文件夹下裁剪出来目标。 注意事项 1、 修改了.c 文件之后都需要 yolov3/darknet 下重新 make 编译 2、 如果要用到 opencv 或者 GPU 需要将 Makefile 文件的参数进行修改，具体修 改结果如下图 a 所示： 图 a Makefile 文件修改示意图 3.yolo 官网：http://pjreddie.com/yolo/可以下载代码，官网也有相关说明。
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&amp;LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&amp;LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料