从0开始实现目标检测——实践篇

根据上一篇《从0开始实现目标检测——原理篇》的讲述，我们选择了YOLOv3作为模型，那么本篇文章将继续接着上篇的内容，自己动手基于YOLOv3实现模型训练和mAP的计算。 在自己动手的这个过程中，一边解决遇到的问题，一边体会YOLOv3的原理，让我们学习起来吧。

一. YOLOv3之初体验

YOLOv3使用参考官网教程：https://pjreddie.com/darknet/yolo/

1. 安装YOLOv3并体验VOC数据

(1). YOLOv3安装

首先就是下载YOLOv3项目并安装了，如下：

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

接着就是下载YOLOv3已经提前训练好的一个模型体验下效果了：

wget https://pjreddie.com/media/files/yolov3.weights
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

这个条命令运行后，可以看到在项目的安装目录下多了一个predictions.jpg的文件，这就是检查结果的图片。结果如图：

​

命令也输出了各个网络层的输入和输出，以及最后识别出多少个物体分类和属于这个分类的概率。如下图所示：

​

上图显示了卷积网络各层的计算过程，下图显示了整张图片检测的耗时，以及图中的物品类别和对应的概率。结果如图所示：

​

对着输出和结果图片，可以看到识别的准确率还是很高的，但是也相当耗时，耗费了18.66秒。YOLOv3提供了一个层数只有13层的tiny模型，识别速度会更快，下载体验下：

wget https://pjreddie.com/media/files/yolov3-tiny.weights
./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

识别结果如下：

​

对于同样的图片，可以看到识别耗时从18.66秒直接降到了0.6秒，时间居然能下降97%，当然准确度也下降了。结果图片如图所示：

​

从结果中tiny的模型准确度可能的确不高，从图中能看出来把一辆truck识别成了2个car和一个truck的组合。

(2). 下载VOC数据

在体验了几次YOLOv3的检测效果后，开始思考如何才能训练自己的模型呢？很自然的想法是先按照YOLOv3开放的数据集做训练，跑通流程后再利用自己的数据集训练。接着就开始我们的第一步，利用开放的数据集进行训练。

首先使用在公开的VOC数据集上进行下验证，下载数据集：

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
tar xf VOCtrainval_11-May-2012.tar
tar xf VOCtrainval_06-Nov-2007.tar
tar xf VOCtest_06-Nov-2007.tar

下载完毕数据集后，我们还需要对转化数据集的标记格式为YOLOv3的标记方式，YOLOv3采用.txt文件来保存标记，格式如下：

<object-class> <x> <y> <width> <height>

其中object-class就是目标的种类index，x, y, width, height分别是图中目标的起始坐标和宽高。也就是之前《从0开始实现目标检测——原理篇》提到的。

YOLOv3也提供一个脚本程序，将VOC数据转化并标记为YOLO格式的标记，我们需要下载转化程序并进行转化：

wget https://pjreddie.com/media/files