安装darknet
打开终端(Ctrl shift T)
git clone https://github.com/pjreddie/darknet
如果是用CPU训练的话(不建议),注意Makefile文件中前五行应该是
GPU=0
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0
若是用GPU训练,应首先确保电脑中安装了CUDA,并且Makefile文件中前五行应该是
GPU=1
CUDNN=1
OPENCV=0
OPENMP=0
DEBUG=0
然后在darknet目录下进行编译
make
下载数据集
安全帽数据集 提取码:5td8
解压文件(在当前文件夹下):
unzip zipped_file.zip
如果没有unzip需要下载:
sudo apt install unzip
解压后VOC2028目录里应该有三个文件夹:
处理数据集
将helmet-label.py(提取码:fiey)下载到VOC2028目录下。
运行。
python helmet-label.py
成功运行之后VOC2028目录里会增加四个txt文件和一个labels文件夹
注意,训练集文件可能会存在后缀不统一问题。如图示:
为防止后续运行报错,在完成标签转换之后在VOC2028目录下运行JPGjpg.py(提取码:f1yy)将训练集图片名全改为以.jpg结尾。
python JPGjpg.py
设置cfg文件
在data目录下创建helmet.names文件。内容为:
hat
person
在cfg目录下创建helmet.data文件。内容为:
classes= 2
train = VOC2028/train.txt #train.txt的地址,如果数据集不在darknet目录下可写成绝对路径
valid = VOC2028/val.txt #val.txt的地址,如果数据集不在darknet目录下可写成绝对路径
names = data/helmet.names
backup = backup
在cfg目录下下载helmet-train.cfg文件。(提取码:6dii)
注意,为了避免运行时报错(out of memory),建议将batch和subdivisions保持比较小的状态,尤其是训练的时候。
下载预训练权值
进入darknet目录下的终端下载
wget https://pjreddie.com/media/files/darknet53.conv.74
训练
./darknet detector train cfg/helmet.data cfg/helmet-train.cfg darknet53.conv.74
训练成功结果
如果整个过程没有问题,darknet目录下将会多出一个backup文件夹。里面内容为训练好的权值。
测试
注意:若是需要用CPU进行测试,需要将Makefile文件中的GPU和CUDNN置0。
GPU=0
CUDNN=0
并重新编译。进入darknet目录
make clean
make
进入cfg目录,创建helmet-test.cfg文件,其内容和helmet-train.cfg一样,只是需要将前两行改为:
batch=1
subdivisions=1
或者其他数字也可,但是不要太大。
进入darknet目录
1 单张图片测试
./darknet detector test cfg/helmet.data cfg/helmet-test.cfg backup/helmet-train_final.weights VOC2028/JPEGImages/000002.jpg
VOC2028/JPEGImages/000002.jpg为你要测试的图片的地址,如果不在darknet目录下写成绝对路径。
2 批量图片测试
参考文件:https://blog.csdn.net/mieleizhi0522/article/details/79989754
打开example目录下的detector.c文件,
在文件开头添加*GetFilename(char *p)函数(注意后面的注释)
#include "darknet.h"
#include <sys/stat.h>
#include<stdio.h>
#include<time.h>
#include<sys/types.h>
static int coco_ids[] = {1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};
char *GetFilename(char *p)
{
static char name[20]={""};
char *q = strrchr(p,'/') + 1;
strncpy(name,q,6);//注意后面的6,如果你的测试集的图片的名字字符(不包括后缀)是其他长度,请改为你需要的长度(官方的默认的长度是6)
return name;
}
用以下代码代替源代码中的void test_detector函数(注意第70、72、106行、要改成自己希望测试图片结果保存的路径)
void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)
{
list *options = read_data_cfg(datacfg);
char *name_list = option_find_str(options, "names", "data/names.list");
char **names = get_labels(name_list);
image **alphabet = load_alphabet();
network *net = load_network(cfgfile, weightfile, 0);
set_batch_network(net, 1);
srand(2222222);
double time;
char buff[256];
char *input = buff;
float nms=.45;
int i=0;
while(1){
if(filename){
strncpy(input, filename, 256);
image im = load_image_color(input,0,0);
image sized = letterbox_image(im, net->w, net->h);
//image sized = resize_image(im, net->w, net->h);
//image sized2 = resize_max(im, net->w);
//image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
//resize_network(net, sized.w, sized.h);
layer l = net->layers[net->n-1];
float *X = sized.data;
time=what_time_is_it_now();
network_predict(net, X);
printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);
int nboxes = 0;
detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
//printf("%d\n", nboxes);
//if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
free_detections(dets, nboxes);
if(outfile)
{
save_image(im, outfile);
}
else{
save_image(im, "predictions");
#ifdef OPENCV
cvNamedWindow("predictions", CV_WINDOW_NORMAL);
if(fullscreen){
cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
}
show_image(im, "predictions");
cvWaitKey(0);
cvDestroyAllWindows();
#endif
}
free_image(im);
free_image(sized);
if (filename) break;
}
else {
printf("Enter Image Path: ");
fflush(stdout);
input = fgets(input, 256, stdin);
if(!input) return;
strtok(input, "\n");
list *plist = get_paths(input);
char **paths = (char **)list_to_array(plist);
printf("Start Testing!\n");
int m = plist->size;
if(access("/home/FENGsl/darknet/data/out",0)==-1)//"/home/FENGsl/darknet/data"修改成自己的路径
{
if (mkdir("/home/FENGsl/darknet/data/out",0777))//"/home/FENGsl/darknet/data"修改成自己的路径
{
printf("creat file bag failed!!!");
}
}
for(i = 0; i < m; ++i){
char *path = paths[i];
image im = load_image_color(path,0,0);
image sized = letterbox_image(im, net->w, net->h);
//image sized = resize_image(im, net->w, net->h);
//image sized2 = resize_max(im, net->w);
//image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
//resize_network(net, sized.w, sized.h);
layer l = net->layers[net->n-1];
float *X = sized.data;
time=what_time_is_it_now();
network_predict(net, X);
printf("Try Very Hard:");
printf("%s: Predicted in %f seconds.\n", path, what_time_is_it_now()-time);
int nboxes = 0;
detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
//printf("%d\n", nboxes);
//if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
free_detections(dets, nboxes);
if(outfile){
save_image(im, outfile);
}
else{
char b[2048];
sprintf(b,"/home/FENGsl/darknet/data/out/%s",GetFilename(path));//"/home/FENGsl/darknet/data"修改成自己的路径
save_image(im, b);
printf("save %s successfully!\n",GetFilename(path));
#ifdef OPENCV
cvNamedWindow("predictions", CV_WINDOW_NORMAL);
if(fullscreen){
cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
}
show_image(im, "predictions");
cvWaitKey(0);
cvDestroyAllWindows();
#endif
}
free_image(im);
free_image(sized);
if (filename) break;
}
}
}
}
注意:改好detector.c之后要重新编译。
进入darknet目录。
make clean
make
进入darknet目录下运行。
./darknet detector test cfg/helmet.data cfg/helmet-test.cfg backup/helmet-train_final.weights
填入所要测试图片集合的txt文件的地址。
注意:test.txt中的图片名称长度是不等的,分别有6、11和12长度,所以建议将test.txt分开为test6.txt,test11.txt,test12.txt便于测试。
VOC2028/test6.txt
若该文件不在darknet目录下需写成绝对路径。
可能出现的问题
1 out of memory
多出现于训练过程中。
解决方案
下调batch 和subdivisious可以降低所需显存。
启动gpu独占模式或使用多块gpu运行
./darknet detector train cfg/helmet.data cfg/helmet-train.cfg darknet53.conv.74 -gpu num=1:mde=exclusive_process
2 can’t load image
Linux和Windows格式不匹配的问题。
用Notepad++打开train.txt
视图>显示符号>显示所有符号;
编辑>换行符>转换为UNIX格式;
确保最后一行有且仅有一个LF;
3 error while loading shared libraries
没有编译,打开终端make一下就行了。
感谢我的小姐妹小缪,小兄弟小王和小姚提供的技术支持。
————————————————
版权声明:本文为CSDN博主「AndyZZhang」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/AndyZZhang/article/details/105974929