3、tiny yolov2 训练

1、上官网下载yolov2-tiny.weights，或者先不下载，在虚拟机下下载

https://pjreddie.com/darknet/yolo/

https://pjreddie.com/media/files/yolov2-tiny.weights

2、在虚拟几下安装darknet

git clone https://github.com/pjreddie/darknet
cd darknet
make

3、下载yolov2-tiny.weights

wget https://pjreddie.com/media/files/yolov2-tiny.weights

4、测试小狗

./darknet detect cfg/yolov2-tiny.cfg yolov2-tiny.weights data/dog.jpg

5、训练tiny yolov2

在darknet-master/scripts文件夹中新建文件夹VOCdevkit，

将D:\VOC2019整个目录

拷贝到ubuntu系统下的/home/k210、块10/darknet/scripts/VOCdevkit目录下，

6、通过voc_gj_label_2019.py生成数据集

python voc_gj_label_2019.py

运行结束后在darknet/scripts文件夹下将生产新的文件2019_test.txt，2019_train.txt和VOC2019/labels，如下图所示

7、中间暂时略去

（1）放置在cfg下面的

voc_gj_2019.data

（2）放置在data下面的

voc_gj.names

8、要注意的是需要修改yolov2-tiny.cfg 最后一层卷积层的大小，（linear）也就是第119行的filter和第125行的训练类别数，修改为

yolov2-tiny_gj_2019.cfg另存

###########

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=60 #修改最后一层卷积层核参数个数，计算公式是依旧自己数据的类别数filter=num×（classes + coords + 1）=5×（7+4+1）=60 
activation=linear

[region]
anchors =  0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828
bias_match=1
classes=7#类别数，本例为7类 
coords=4
num=5
softmax=1
jitter=.2
rescore=0

9、修改输入图片的尺寸

[net]
# Testing
#batch=1         #测试时候放出来
#subdivisions=1  #测试时候放出来
# Training
batch=64          #训练时候放出来
subdivisions=2    #训练时候放出来
width=320   #修改
height=240  #修改
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

 

10、消减模型，为了让模型更小，删除第93行到第113行，删除内容如下

[maxpool]
size=2
stride=1

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

###########

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

11、训练

（1）方法一、直接训练

./darknet detector train cfg/voc_gj_2019.data cfg/yolov2-tiny_gj_2019.cfg

（2） 如果用官网的预训练模型darknet.conv.weights做初始化，则训练命令为

./darknet detector train cfg/voc_gj_2019.data cfg/yolov2-tiny_gj_2019.cfg darknet19_448.conv.23 

12、测试

./darknet detector test cfg/voc_gj_2019.data cfg/yolov2-tiny_gj_2019.cfg backup/yolov2-tiny_gj_2019_100.weights data/20190325145623.jpg

13、待测试

（1）安装darkflow

（2）安装Cython和opencv

pip3 install Cython
pip3 install opencv-python

（3）修改offset

找到目录   ./darkflow/utils/loader.py 文件，搜索 self.offset = 16 ，修改为

 self.offset = 16+4

 （4）

flow --model cfg/yolov2-tiny_gj_2019.cfg --load backup/yolov2-tiny_gj_2019_100.weights --savepb

（5）

python3 gen_pb_graph.py workspace/yolov2-tiny_gj_2019.pb