tiny-yolo训练测试(coco训练集混合自己的voc训练集)--20170829

一、构建VOC数据集

1.准备数据
(1)./write.sh //设置输入输出文件的路径,包含训练集图片的文件名
注:输出文件路径是train.txt的绝对路径,并去掉所以后缀名.xml。
(2)运行voc_label.py,生成train_2017.txt文件,里面包含了所有训练样本的绝对路径。
(3)把coco数据集(jason)转换成voc数据集同样的格式,并将coco和自己的数据集混合成新的数据集。
运行darknet-master/data_coco/coco-master/PythonAPI/pycocotools/coco-label.py

二、修改配置文件:

1、修改darknet-master/data/anngic.names里面的类别。
2、修改cfg/coco.data 里面的类别、权重保存文件夹等。
3、修改cfg/tiny_yolo_coco.cfg里的类别、最后一层卷积层计算次数,
修改anchors:
注:像素416*416时用第一行;像素288*288时用第二行。
修改训练次数,如:max_batches=200000
注:接着之前的训练结果训练就把次数累加,不用就直接写训练次数。

三、训练

3.1 训练新的模型,生成只有前13层的权重文件,后两层(14、15层)和分类有关。

#只保留tiny-yolo-coco_final.weights模型的前13层,后两层和分类有关,新模型保存到pre-trained_weights/tiny-yolo-coco.conv.13。

./darknet partial cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights  pre-trained_weights/tiny-yolo-coco.conv.13 13
#用pre-trained_weights/tiny-yolo-voc.conv.13进行训练,gpu使用第1、2、3个。
./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg pre-trained_weights/tiny-yolo-voc.conv.13 -gpus 0,1,2

3.2 接着之前的结果训练:

./darknet detector train cfg/coco.data cfg/tiny-yolo-coco.cfg '/home/anngic/darknet-master/backup/tiny-yolo-coco_288-2.0/tiny-yolo-coco_final.weights'  -gpus 0,1,2

四、测试

./darknet detector valid cfg/xnor.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-voc-2.0/tiny-yolo-voc_final.weights 

./darknet detector valid cfg/voc.data cfg/xnorcfg/binary_tiny-yolo-voc.cfg backup/tiny-yolo-voc-binary-1/binary_tiny-yolo-voc_final.weights
#224*224
./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-anngic2017_224/tiny-yolo-voc_final.weights

./darknet detector valid cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights

./darknet detector test cfg/anngic.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-person2017_224-4.0/tiny-yolo-voc_final.weights  /home/anngic/darknet-master/data_anngic/person2017/JPEGImages/0027033.jpg
#coco
./darknet detector demo cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights 00012.avi

./darknet detector valid cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights

./darknet detector test cfg/coco.data cfg/tiny-yolo-coco.cfg backup/tiny-yolo-coco_288/tiny-yolo-coco_final.weights

五、计算mAP

运行darknet-master/person2017-test/compute_mAP.py

你可能感兴趣的:(YOLO学习)