yolo-darknet实现自己数据的train和test

有目共睹的是,yolo训练数据优点明显,训练检测速度超快,功能超强。因网上关于yolo训练自己数据的博客几乎没有,所以我就yolo训练自己数据做一具体操作流程,希望可以帮助大家,让大家对yolo不再陌生。
注意:1、请根据我的博客将yolo安装和测试,博客地址:http://blog.csdn.net/samylee/article/details/51684856
2、请严格按照我博客的顺序做下去

第一部分:修改darknet/makefile文件
打开makefile文件:
1、删去CUDNN=0一行
2、LDFLAGS= -lm -pthread改为LDFLAGS= -lm -pthread -lstdc++
3、删去ifeq($(CUDNN),1)-lcudnn endif
4、删去activation_layer.oart.o
5、删去LDFLAGS+= -lstdc++一行
6、在avgpool_layer_kernels.o后增加yolo_kernels.o coco_kernels.o
保存退出

第二部分:下载src文件夹
下载链接:http://download.csdn.net/detail/samylee/9555834
下载解压后替换/darknet下的原src文件夹
打开src文件夹下的yolo.c文件:
1、classnum代表训练几类,person代表训练的类别(这里我给出例子为person)
2、修改train_images部分:改其中的usr您的服务器用户名
3、修改backup_directory部分:改其中的usr您的服务器用户名(同时在/darknet文件夹下新建文件夹命名为backup
打开src文件夹下的yolo_kernels.cu文件:
其中cls_num 1代表1类(如果增加类,此变量相应增加)

第三部分:下载数据
images下载链接:http://download.csdn.net/detail/samylee/9555838
labels下载链接:链接:http://pan.baidu.com/s/1dFG2LX3 密码:66xd
train.txt下载链接:链接:http://pan.baidu.com/s/1nvguFKP 密码:bg0b
darknet.conv.weights(yolo-tiny小模型)下载链接:http://download.csdn.net/detail/samylee/9555843
1、将imageslabelstrain.txt文件夹放入/darknet/scripts文件夹下,同时打开train.txt文件,修改usr您服务器的用户名,保存退出。
2、将darknet.conv.weights文件放入/darknet

第四部分:编译
终端输入:
cd darknet(进入darknet文件夹)
make clean
make -j16


第五部分:训练数据
终端输入:
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
如果终端显示NO such file or directory
则在darknet目录的终端下输入:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
再次终端输入:
./darknet yolo train cfg/yolo-tiny.cfg darknet.conv.weights
此时程序会跑起来,我在程序执行至保存1000步的时候进行了测试
 

第六部分:测试数据

这里提供yolo-tiny_1000.weights下载,仅供参考,下载链接:链接:http://pan.baidu.com/s/1c18hgT6 密码:xbh9

darknet/backup文件夹下生成的yolo-tiny_1000.weights拷贝至/darknet下,同时将/darknet/scripts/images/person下的s8.jpg拷贝至/darknet
终端输入:
./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny_1000.weights

运行后终端会出现Enter Image Path一行,在后面输入s8.jpg即可,得到predicton如下图所示(因数据量过低,故效果不是很好,增加数据量即可解决,这里只做demo):

 

 

 

任何问题请加唯一QQ2258205918(名称samylee)  !!!

唯一VX:samylee_csdn

 

 

 

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页