YOLO(Darknet官方)训练分类器

时间：2023-03-09 03:31:32
YOLO(Darknet官方)训练分类器

1. 分类数据准备

需要的文件列表：

1. train.list : 训练的图片的绝对路径

2. test.list : 用于测试的图片的绝对路径

3. labels.txt : 所有的类别，一行一个类

4. voc.data : darknet配置文件，记录相关位置信息

5. cifar.cfg : 网络配置文件

按照以下目录结构进行构造：

VOCdevkit

	VOC2017

		JPEGImages

			train

			test

其中训练和测试的比例设置：

  1. 如果数据集比较小（10,000左右），那么设置的比例为：训练:测试 = 80% : 20%
  2. 如果数据集比较大（100,000左右），那么设置的比例为：训练:测试 = 99% :1%

然后转到JPEGImages目录下进行以下操作：

find `pwd`/train -name \*.jpg > train.list

find `pwd`/test -name \*.jpg > test.list

构造labels.txt文件内容

airplane

automobile

bird

cat

deer

dog

frog

horse

ship

truck

构造voc.data文件中内容：

classes=10 #设置的类别个数

train  = data/cifar/train.list #上边构造的训练列表

valid  = data/cifar/test.list # 上边构造的测试列表

labels = data/cifar/labels.txt # 记录类别

backup = backup/ #训练的网络文件的位置

top=2 # 计算top-n的准确率

网络配置文件的选择：

网络配置文件以及预训练模型

以AlexNet为例：

[net]

# Training

# batch=128

# subdivisions=1

# Testing

batch=1

subdivisions=1

height=227

width=227

channels=3

momentum=0.9

decay=0.0005

max_crop=256

learning_rate=0.01

policy=poly

power=4

max_batches=800000

angle=7

hue = .1

saturation=.75

exposure=.75

aspect=.75

[convolutional]

filters=96

size=11

stride=4

pad=0

activation=relu

[maxpool]

size=3

stride=2

padding=0

[convolutional]

filters=256

size=5

stride=1

pad=1

activation=relu

[maxpool]

size=3

stride=2

padding=0

[convolutional]

filters=384

size=3

stride=1

pad=1

activation=relu

[convolutional]

filters=384

size=3

stride=1

pad=1

activation=relu

[convolutional]

filters=256

size=3

stride=1

pad=1

activation=relu

[maxpool]

size=3

stride=2

padding=0

[connected]

output=4096

activation=relu

[dropout]

probability=.5

[connected]

output=4096

activation=relu

[dropout]

probability=.5

[connected]

output=1000

activation=linear

[softmax]

groups=1

2. Darknet配置

  1. 下载darknet
git clone https://github.com/pjreddie/darknet.git

cd darknet

make -j4

如果有GPU并且安装了cuda8.0和cudnn6.0，请在Makefile中进行修改，将对应的CUDA=0改为CUDA=1.

  1. 将在第一步构造的文件放到对应位置
darknet

	cfg -- AlexNet.cfg

	data -- voc.data, labels.txt, train.list, test.list

其中voc.data中的内容直接指到对应的文件上。

3. Darknet命令使用

  1. train命令

    ./darknet classifier train data/voc.data cfg/AlexNet.cfg

  2. valid命令

    ./darknet classifier valid data/voc.data cfg/AlexNet.cfg backup AlexNet.backup

  3. predict命令

    ./darknet classifier predict data/voc.data cfg/AlexNet.cfg backup AlexNet.backup ./cat.png

  4. 终端训练后重新训练

    ./darknet classifier train data/voc.data cfg/AlexNet.cfg backup/AlexNet.backup

  5. 设置训练使用的GPU

    -gpus 0,1

4. cifar-10 使用示例

  1. 数据获取

    cd data
    
wget https://pjreddie.com/media/files/cifar.tgz
    
tar xzf cifar.tgz

cd cifar
    
find `pwd`/train -name \*.png > train.list
    
find `pwd`/test -name \*.png > test.list
    
cd ../..

  2. 选择config文件

    classes=10
    
train  = data/cifar/train.list
    
valid  = data/cifar/test.list
    
labels = data/cifar/labels.txt
    
backup = backup/
    
top=2

  3. 创建网络配置文件

    cifar_small.cfg(官方提供)

    [net]
    
batch=128
    
subdivisions=1
    
height=28
    
width=28
    
channels=3
    
max_crop=32
    
min_crop=32

hue=.1
    
saturation=.75
    
exposure=.75

learning_rate=0.1
    
policy=poly
    
power=4
    
max_batches = 5000
    
momentum=0.9
    
decay=0.0005

[convolutional]
    
batch_normalize=1
    
filters=32
    
size=3
    
stride=1
    
pad=1
    
activation=leaky

[maxpool]
    
size=2
    
stride=2

[convolutional]
    
batch_normalize=1
    
filters=16
    
size=1
    
stride=1
    
pad=1
    
activation=leaky

[convolutional]
    
batch_normalize=1
    
filters=64
    
size=3
    
stride=1
    
pad=1
    
activation=leaky

[maxpool]
    
size=2
    
stride=2

[convolutional]
    
batch_normalize=1
    
filters=32
    
size=1
    
stride=1
    
pad=1
    
activation=leaky

[convolutional]
    
batch_normalize=1
    
filters=128
    
size=3
    
stride=1
    
pad=1
    
activation=leaky

[convolutional]
    
batch_normalize=1
    
filters=64
    
size=1
    
stride=1
    
pad=1
    
activation=leaky

[convolutional]
    
filters=10
    
size=1
    
stride=1
    
pad=1
    
activation=leaky

[avgpool]

[softmax]

  4. 训练

    训练：./darknet classifier train cfg/cifar.data cfg/cifar_small.cfg

    valid: ./darknet classifier valid cfg/cifar.data cfg/cifar_small.cfg backup/cifar_small.backup

相关文章