编辑:OAK中国
首发:oakchina.cn
喜欢的话,请多多👍⭐️✍
前言
Hello,大家好,这里是OAK中国,我是助手君。
近期有不少小伙伴在我们的微信群里问关于怎么将自定义神经网络的训练及部署,这期内容就以Docker训练Yolov3/Yolov4为例说说。
注:本教程可用于所有OAK产品
准备数据集
对于 Yolo 我们需要特定的格式。对于每个图像,我们需要一个同名的 txt 文件。每个 txt 包含每个边界框的一行:
< object-class > <x_center> <y_center> < width > < height >,
其中 :
- < object-class > 是对象类别的 ID,范围从 0 到 (num_of_classes – 1),
- <x_center> 和<y_center> 是边界框中心的 x 和 y 坐标,
- < width > 和 < height >是边界框的宽度和高度,坐标使用图像的宽度和高度进行归一化。
大家可以通过网上教程将自己手上的数据集转化为 yolo 格式。
训练
准备环境
可根据官网教程安装 Docker
中文教程请点击
拉取环境镜像
docker pull richardarducam/depthai_train_yolo
启动容器
docker run --name oak_yolov3_v4_train -p 8888:8888 -v <yourdatasetpath>:/content/dataset richardarducam/depthai_train_yolo
之后使用浏览器打开 http://127.0.0.1:8888 或者 http://0.0.0.0:8888
进入后可以通过 Setting -> Language -> Chinese将界面切换为中文
打开 notebook
双击打开 /work/YoloV3_V4_tiny_train.ipynb依据提示操作即可
侧边栏可以查看目录
另一种方法
Windows下使用Darknet训练自己的数据集(模型:yolov4-tiny、数据集:垃圾分类)
参考资料
https://docs.oakchina.cn/en/latest/
https://www.oakchina.cn/selection-guide/
OAK中国
| OpenCV AI Kit在中国区的官方代理商和技术服务商
| 追踪AI技术和产品新动态
戳「+关注」获取最新资讯↗↗