object_detection物体检测开源框架使用及性能评估（七）

本文链接：https://blog.csdn.net/qq_29153321/article/details/103936750

第七章 yolo开源框架安装及使用

yolo框架主要是做实时目标检测的，它的模型分基础和tiny两种类型，可以让用户在速度和检测效果之间进行平衡选择。实时摄像头目标检测需要cuda。

7.1 yolov3

7.1.1 yolov3模型

在目录：/home/users/chenzhuo下

安装Darknet
# git clone https://github.com/pjreddie/darknet
# cd darknet
# make
下载预训练模型权重文件
# wget https://pjreddie.com/media/files/yolov3.weights

运行探测器进行检测，更改检测阈值

# ./darknet detect cfg/yolov3.cfg yolov3.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg -thresh 0.25
检测时间：82s

在这里插入图片描述
该图片被保存在当前目录下的predictions.png中。

7.1.2 yolov3-tiny模型

下载预训练模型权重文件

# wget https://pjreddie.com/media/files/yolov3-tiny.weights

运行探测器进行检测

# ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg
检测时间：8s

在这里插入图片描述

7.2 yolov2

7.2.1 yolov2模型

下载预训练模型权重文件

# wget https://pjreddie.com/media/files/yolov2.weights

运行探测器进行检测

# ./darknet detect cfg/yolov2.cfg yolov2.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg
检测时间：37s

在这里插入图片描述

7.2.2 yolov2-tiny模型

下载预训练模型权重文件

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

运行探测器进行检测

# ./darknet detector test cfg/voc.data cfg/yolov2-tiny-voc.cfg yolov2-tiny-voc.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg
检测时间：4s

在这里插入图片描述

7.3 yolov1

7.3.1 yolov1模型

下载预训练模型权重文件

# wget https://pjreddie.com/media/files/yolov1.weights

运行探测器进行检测

# ./darknet yolo test cfg/yolov1.cfg yolov1.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg
检测时间：18s

在这里插入图片描述

7.3.2 yolov1-tiny模型

下载预训练模型权重文件

# wget https://pjreddie.com/media/files/yolov1/tiny-yolov1.weights

运行探测器进行检测

# ./darknet yolo test cfg/yolov1-tiny.cfg tiny-yolov1.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg
检测时间：2s

在这里插入图片描述

7.4 使用yolov3训练自己的模型

7.4.1 下载数据集

目录/home/users/chenzhuo/darknet/scripts下，

# 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

7.4.2 生成数据集标签

# wget https://pjreddie.com/media/files/voc_label.py
# python3 voc_label.py
# cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

7.4.3 修改数据cfg

修改cfg/voc.data配置文件，将path-to-voc指向VOC数据的目录
1 classes= 20
2 train = /train.txt
3 valid = 2007_test.txt
4 names = data/voc.names
5 backup = backup

7.4.4 下载预训练卷积权重

# cd /home/users/chenzhuo/darknet
# wget https://pjreddie.com/media/files/darknet53.conv.74

7.4.5 训练模型

# ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

在这里插入图片描述
7.4.6 图片测试

# ./darknet detector test cfg/yolov3-voc.cfg backup/yolov3-voc_10000.weights /home/users/py3_project/models/research/object_detection/test_images/01.jpg