使用YOLOV3-tiny训练行人检测器并移植到树莓派4B上实现
说明
1.这篇文章是在我上篇文章的基础上继续往下做，上篇博客，上篇博客在树莓派4B上实现了目标检测，这篇文章将实现在笔记本上行人检测权重，再放到树莓派里面。
2.我的笔记本配置系统Ubuntu16.04+cuda8.0+cudnn5.1
硬件7代cpu，显卡gtx1050，
3. 一共训练30000次，训练速度很快，10000次只要半小时左右就完成了，测试检测结果很好
4.参考 https://github.com/pascal1129/yolo_person_detect
1. 下载YOLO
git clone https://github.com/AlexeyAB/darknet.git
cd darknet/
wget https://pjreddie.com/media/files/yolov3-tiny.weights
权重文件直接下载速度挺慢，可以使用迅雷打开链接下载。
我下载了所有权重文件放在百度网盘了，需要的可以根据需要下载
链接：https://pan.baidu.com/s/18UCY-6-J9-SBOHCPZLvuAA
提取码：dhp6
编译测试
为了使用GPU修改makefile文件，修改开头两行如下，我没有装opencv，装了的可以按照自己配置设置参数，opencv就是将检测结果显示出来，没装就会保存到目录下，手动查看。
GPU=1
CUDNN=1
运行测试
sudo ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg
行人检测训练
制作数据集
使用voc2007和voc2012数据集，也可以只用一个。
下载地址，官网很慢，推荐复制镜像站链接，去迅雷下载，速度很快。
官网： http://host.robots.ox.ac.uk/pascal/VOC/
镜像站：https://pjreddie.com/projects/pascal-voc-dataset-mirror/
行人检测就要抽取数据集中所有的人组成新的数据集，已经有人写好所有制作的Python文件。
git clone https://github.com/pascal1129/yolo_person_detect.git
下载完毕可以放在darknet目录下。
我使用的是voc2007和voc2012数据集，如图，就将数据集的vocdevkit文件放在这个位置
分别运行2007和2012抽取行人的代码，再运行voc_lable,py，转换成YOLO支持的格式
生成三个txt文件，里面存放的是数据集的地址。
是训练之后转移到树莓派上，可以不需要测试集
cat 2007_train.txt 2012_train.txt > train.txt
数据集制作完毕
修改yolov3-tiny文件
在cfg目录下可以找到yolov3-tiny.cfg，打开修改
batch, sub按需修改
一共二个YOLO层，均需要修改：
classes=1
filters=18 3*(1+1+4)=18
# filters=(classes + coords + 1)*修改voc.names
在date目录下找到voc.name
person
配置cfg/voc.data
将里面的路径改成自己数据集所在位置，这是我的
classes= 1
train = /home/hua/darknet/yolo_person_detect-master/make_yolo_dataset/YOLO_VOC2007_2012/train.txt
valid = /home/hua/darknet/yolo_person_detect-master/make_yolo_dataset/YOLO_VOC2007_2012/2007_test.txt
names = data/voc.names
backup = /home/hua/darknet/backup/
在darknet里面新建一个backup文件夹，用来存放训练好的权重
都改完之后，make
训练
首先下载一个预训练的权重，tiny版使用的是yolov3-tiny.conv.15
wget https://pjreddie.com/media/files/yolov3-tiny.conv.15
下载很慢，我下载了放在网盘里，需要的自取
启动训练
sudo ./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15 -gpus 0
每训练1000次保存一个权重，在backup目录
可以随时停止，下一次训练可以继续
只要将上面的预训练权重换成生成的权重就可以继续训练
训练过程不出现大量的nan，就训练成功了
测试
训练的差不多，可以测试一下,能够显示运行时间，保存检测后的图
sudo ./darknet detector test cfg/voc.data cfg/yolov3-tiny.cfg backup/yolov3-tiny_last.weights data/person.jpg
我的测试结果
计算map和recall
sudo ./darknet detector map cfg/voc.data cfg/yolov3-tiny.cfg backup/yolov3-voc_last.weights
sudo ./darknet detector recall cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights
我训练了30000次，测试的map为70.68，结果还不错
树莓派上测试
将权重文件直接复制到树莓派上，和训练时一样修改好各文件，就可以实现行人检测。
