tiny-yolo训练测试(coco训练集混合自己的voc训练集)--20170829
来源:互联网 发布:淘宝怎么看行情数据 编辑:程序博客网 时间:2024/06/07 00:19
一、构建VOC数据集
1.准备数据
(1)./write.sh //设置输入输出文件的路径,包含训练集图片的文件名
注:输出文件路径是train.txt的绝对路径,并去掉所以后缀名.xml。
(2)运行voc_label.py,生成train_2017.txt文件,里面包含了所有训练样本的绝对路径。
(3)把coco数据集(jason)转换成voc数据集同样的格式,并将coco和自己的数据集混合成新的数据集。
运行darknet-master/data_coco/coco-master/PythonAPI/pycocotools/coco-label.py
二、修改配置文件:
1、修改darknet-master/data/anngic.names里面的类别。
2、修改cfg/coco.data 里面的类别、权重保存文件夹等。
3、修改cfg/tiny_yolo_coco.cfg里的类别、最后一层卷积层计算次数,
修改anchors:
注:像素416*416时用第一行;像素288*288时用第二行。
修改训练次数,如:max_batches=200000
注:接着之前的训练结果训练就把次数累加,不用就直接写训练次数。
三、训练
3.1 训练新的模型,生成只有前13层的权重文件,后两层(14、15层)和分类有关。
#只保留tiny-yolo-coco_final.weights模型的前13层,后两层和分类有关,新模型保存到pre-trained_weights/tiny-yolo-coco.conv.13。./darknet partial cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights pre-trained_weights/tiny-yolo-coco.conv.13 13
#用pre-trained_weights/tiny-yolo-voc.conv.13进行训练,gpu使用第1、2、3个。./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg pre-trained_weights/tiny-yolo-voc.conv.13 -gpus 0,1,2
3.2 接着之前的结果训练:
./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg '/home/anngic/darknet-master/backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights' -gpus 0,1,2
四、测试
./darknet detector valid cfg/xnor.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-voc-2.0/tiny-yolo-voc_final.weights ./darknet detector valid cfg/voc.data cfg/xnorcfg/binary_tiny-yolo-voc.cfg backup/tiny-yolo-voc-binary-1/binary_tiny-yolo-voc_final.weights
#224*224./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-anngic2017_224/tiny-yolo-voc_final.weights./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights./darknet detector test cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights /home/anngic/darknet-master/data_anngic/person2017/JPEGImages/0027033.jpg
#coco./darknet detector demo cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights 00012.avi./darknet detector valid cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights./darknet detector test cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights
五、计算mAP
运行darknet-master/person2017-test/compute_mAP.py
阅读全文
0 0
- tiny-yolo训练测试(coco训练集混合自己的voc训练集)--20170829
- tiny-yolo 训练自己的数据集
- Yolo-v2训练voc及自己的数据集
- YOLO 训练VOC数据集
- 【Darknet】【yolo v2】训练自己数据集的一些心得----VOC格式
- YOLOv2训练自己的数据集(VOC格式)
- YOLOv2训练自己的数据集(VOC格式)
- YOLOv2训练自己的数据集(VOC格式)
- YOLO训练自己的数据集
- yolo训练自己的数据集
- 【YOLO】训练voc数据集没有框??解决方法
- Yolo-v2训练voc 2017.4
- 用py-faster-rcnn训练自己的VOC数据集
- yolo训练自己的数据
- 【yolo v2】训练自己数据集
- yolo的训练和测试
- yolo的训练和测试
- 【YOLO】数据集处理训练自己的数据集
- 总结遇到的Python的坑
- 【演讲实录】分布式数据库海量数据存储和实时查询实现与应用
- 温故知新(8)委托(二)事件 event
- TCP 和IP的区别
- eclipse中Data Source Explorer的使用方法
- tiny-yolo训练测试(coco训练集混合自己的voc训练集)--20170829
- mybatis传入参数为0被误认为是空字符串的解决方法
- springMVC和其注解方式
- 如何消除重复代码
- UVA.10491 Cows and Cars (概率)
- thymleaf #lists #dates 用法
- hibernate主要的ID生成策略
- android系统权限总结与分析
- XML和JSON区别