YOLOv2训练DOTA数据集

YOLOv2训练DOTA数据集

环境准备

1. 安装darknet
   darknet是小众的深度学习框架，它易于安装，没有任何依赖项，源代码结构清晰，便于修改，可移植性强。
2. developmert kit
3. cuda-10.0 and cudnn-7.6.4 on Ubuntu 16.04.1 LTS
4. 下载预训练卷积层权重
5. 下载数据集DOTA-v1.5或DOTA-v1.0

数据处理

1. 图片和标签分割
   图片和标签分割成统一的尺寸， 在本实验中将图片分割成 1024*1024
2. 格式转换
   在 DOTA 数据集中，标注的格式是“x1 y1 x2 y2 x3 y3 x4 y4 category difficult”
   而 Darknet 需要的格式是“category-id x y width height”
3. 修改cfg/dota.data文件

   classes=15
   train  = /home/yh/dota/dota_data/YOLO/train/train.txt#训练集文件路径
   valid  = /home/yh/dota/dota_data/YOLO/test/test.txt#测试集文件路径
   names = data/dota.names#标签分类
   backup = /home/yh/dota/darknet/dota-backup#权重文件保存路径

4. 修改cfg/dota.cfg网络配置文件
   文件末尾： classes=A；filters=(A+5)*5
   分为train、test双模式

https://blog.csdn.net/hrsstudy/article/details/65447947

6. 修改Makefile文件
   配置GPU、CUDA、Opencv等

训练

./darknet detector train cfg/dota.data cfg/yolo-dota.cfg darknet19_448.conv.23 -gpu | tee log.txt 

使用GPU加速，并将训练日志保存在log.txt

测试

./darknet detector test cfg/dota.data cfg/yolo-dota.cfg dota-backup/yolo-dota_450000.weights /test/images/P0017__1__0___0.jpg -thresh 0.1

测试权重文件，并设置置信度

参数调试

1. 减少nan训练发散
   调高batch;增加数据集规模
2. 每batch个样本更新一次参数,根据设备性能设置subdivision
3. can’t load image
   txt文件格式修改为Unix
4. 参考

https://blog.csdn.net/hrsstudy/article/details/65447947