初涉YOLO

一瞥(You Only Look Once, YOLO)，是检测Pascal VOC 2012数据集内对象/目标的系统，能够检测出20种Pascal对象：

人person

鸟bird、猫cat、牛cow、狗dog、马horse、羊sheep

飞机aeroplane、自行车bicycle、船boat、巴士bus、汽车car、摩托车motorbike、火车train

瓶子bottle、椅子chair、餐桌dining table、盆景potted plant、沙发sofa、显示器tv/monitor

YOLO由以下参与者共同完成：Santosh、Ross和Ali，详细内容参见其paper

以下教程分为9部分（不要害怕，easy），运行系统Ubuntu 14.04。OpenCV、cuda、GPU这些依赖是可选项，如果没有也可以，就是慢点(其实是慢很多)啦。最后会添加一下官网教程中没有的安装错误和修改信息。

本篇教程内容全部翻译自官网

1.How It Works

先前的检测系统多使用分类器(classifier)或者定位器(localizer)进行检测任务，把图片的不同局部位置和多种尺度输入到模型中去，图片得分较高的区域(region)作为检测目标。

YOLO是一个全新的方法，把一整张图片一下子应用到一个神经网络中去。网络把图片分成不同的区域，然后给出每个区域的边框预测和概率，并依据概率大小对所有边框分配权重。最后，设置阈值，只输出得分（概率值）超过阈值的检测结果。

输入-检测-输出

我们的模型相比于基于分类器的模型有一些优势，在测试阶段，整张图片一次输入到模型中，所以预测结果结合了图片的全局信息。同时，模型只是用一次网络计算来做预测，而在R-CNN中一张图片就需要进行上千次的网络计算！所以YOLO非常快，比R-CNN快1000倍，比Fast R-CNN快100倍。整个系统的细节见paper

2.Detection Using A Pre-Trained Model

本节内容会知道你如何使用YOLO预训练好的模型进行目标检测。在这之前，你应该安装好DarkNet，安装方法戳这里。

安装好DarkNet之后，在darknet的子目录cfg/下已经有了一些网络模型的配置文件，在使用之前，需要下载好预训练好的权重文件yolo.weights(1.0 GB).

现在，使用DarkNet的yolo命令进行一下测试吧（假设你在darknet/目录下，自己修改好yolo.weights和image的路径）

 ./darknet yolo test cfg/yolo.cfg /yolo.weights        

如果你没有现成的图片，不妨直接使用darknet/data/下面的某张图片。

进行上面的测试，Darknet会打印出检测到的目标对象和可信度，以及耗时。使用CPU时，每张图片耗时为6-12秒，GPU版本会快，快很多。

如果安装DarkNet的时候，没有使用OpenCV，上面的测试不会直接显示出图片结果，你需要自己手动打开predictions.png. 打开你会看到类似于下图的预测结果

predictions.png

如果想运行一次DarkNet检测多张图片的话，你应该先运行以下命令载入预训练模型

./darknet yolo test cfg/yolo.cfg yolo.weights                  

模型载入成功后，会提示输入图片路径Enter Image Path：

键入类似于data/eagle.jpg的路径，检测这张图片，给出结果之后，会继续提示Enter Image Path。注意如果你连续输入了多张图片，之前的结果会被下一次的检测结果覆盖掉，因为预测结果都叫predictions.jpg。。。要退出/中断程序的话，直接键入Ctrl-C（自己记住这个命令，后面会再用）即可。

3.A Smaller Model

上面的YOLO模型会占用很多GPU内存，方法类似，只需要调用不同的配置文件，载入相应的权重文件即可。在这里，提供一个更小版本的模型，使用yolo-small.cfg配置文件，调用yolo-small.weights(359MB)，命令如下

 ./darknet yolo test cfg/yolo-small.cfg yolo-small.weights                   

这个小版本的YOLO大概占用1.1GB的GPU内存~

4.A Tiny Model, yolo-tiny.weights(172 MB)

 ./darknet yolo test cfg/yolo-tiny.cfg yolo-tiny.weights                   

占用611MB的GPU内存，在Titan X上的速度是150 fps

5.YOLO Model Comparison

yolo.cfg，基于extraction网络，处理一张图片的速度为45fps，训练数据来源2007 train/val + 2012 train/val + 2007、2012所有数据

yolo-small.cfg，全连接层变小，占用内存变小，50fps，训练数据来源2007 train/val + 2012 train/val

yolo-tiny.cfg，更加小型的网络，基于DarkNet reference network，155fps，数据来源2007 train/val + 2012 train/val

6.Changing The Detection Threshold

YOLO默认返回可信度至少为0.2的检测结果，可以通过-thres 参数改变可信度阈值，例如设置为0：

./darknet yolo test cfg/yolo.cfg yolo.weights data/dog.jpg -thresh 0

这将可能返回所有的检测结果。

7.Real-Time Detection On VOC 2012

如果编译时使用了CUDA，那么预测的速度回远远超过你（手动）输入图片的速度。为了更快速地检测多张图片的内容，应该使用yolo的valid子程序。

首先预备好数据并生成元数据给DarkNet。这里我们使用VOC2012的数据（需要注册一个账号才能下载），下载2012test.rar文件之后，运行以下命令

tar xf 2012test.tar

cp VOCdevkit/VOC2012/ImageSets/Main/test.txt .

sed 's?^?'`pwd`'/VOCdevkit/VOC2012/JPEGImages/?; s?$?.jpg?' test.txt > voc.2012.test

这些命令首先解压数据包，然后生成全路径的测试图像，然后把voc.2012.test移动到darknet/data子目录下

mv voc.2012.test /darknet/data

OKAY，现在使用这些图片做检测，我们使用CUDA版本的，超级快！运行下面命令

./darknet yolo valid cfg/yolo.cfg yolo.weights

运行上面命令后，你会看到一串数字在屏幕上飞，数字表示当前处理了多少图片。VOC 2012 test数据集共有10991张图片，共耗时250秒，相当于44fps。如果你用Selective Search方法的话，要耗时6小时！相比之下，咱的方法整个pipeline才耗时4分钟，pretty cool!

预测结果在results/子目录下，其格式为Pascal VOC要求提交的特殊格式。

如果你想复现我们在Pascal挑战赛中的结果，你得使用yolo-rescore.weights才行。

8.Real-Time Detection on a Webcam

只是简单地跑一下测试数据集，而且看不到实时的结果，真的挺无趣的。所以，我们把输入改成webcam

挖个坑，后面填

9.Training YOLO

其实，你可以从头开始训练YOLO，如果你想的话。你可以尝试不同的训练方法，设置不同的超参数，以及使用自己的数据集。咱们下面尝试自己训练Pascal VOC数据集。

9.1下载Pascal VOC Data

咱们先下载2007年到2012年的VOC数据，下载之前，新建一个文件夹（比如VOC）存放这些数据，进入此文件夹，按如下方式下载数据，然后解压。

curl -O http://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar

curl -O http://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar

curl -O http://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar

tar xf VOCtrainval_11-May-2012.tar

tar xf VOCtrainval_06-Nov-2007.tar

tar xf VOCtest_06-Nov-2007.tar

解压完之后，所有数据都自动存放在VOCdevkit/子目录下了。

9.2生成VOC的标注信息

接下来生成DarkNet训练所需的标签文件，该文件扩展名为.txt，文件内每一行对应一张图片的标注信息，具体格式如下

其中的x, y, width和height是对应图片上的坐标和宽、高。只要运行一下DarkNet项目中scripts/子目录下面的voc_label.py脚本，就会自动生成VOC的标注文件。如果你没找到这个文件，可以再重新下载一下。下载和脚本运行方式如下

curl -O http://pjreddie.com/media/files/voc_label.py

python voc_label.py

这个脚本大概要运行几分钟，运行结束之后，你会看到多了两个文件夹，VOCdevkit/VOC2007/labels/和VOCdevkit/VOC2012/labels/。

现在，你的VOC目录下应该是这个样子的

ls
2007_test.txt   VOCdevkit
2007_train.txt  voc_label.py
2007_val.txt    VOCtest_06-Nov-2007.tar
2012_train.txt  VOCtrainval_06-Nov-2007.tar
2012_val.txt    VOCtrainval_11-May-2012.tar

其中的文本文件，比如2007_test.txt，包含的内容是VOC 2007年的test数据集标注信息。DarkNet需要一个txt文件提供所有标注信息，所以我们还需要把这些信息导入到一个txt文件中。本例中，我们使用2007年的train和validation数据和2012年的train数据作为训练集，2012年的validation数据作验证数据。具体使用如下命令

cat 2007_* 2012_train.txt > train.txt

OKAY，现在2007年的所有图片和2012年的train数据集的图片路径都在train.txt文件里面了。标注信息在下面两个路径中

/darknet/VOC/VOCdevkit/VOC2007/labels/ 

 /darknet/VOC/VOCdevkit/VOC2012/labels/ 

上面所做的就是训练自己的数据集之前所要准备的数据信息了。

9.3重定向DarkNet到Pascal数据

进入DarkNet目录中，src/子目录里面有一个yolo.c文件，打开并编辑一下其中的18、19行（54、55行？不重要，自己确定）

18    char *train_images = "/your_path/VOC_train/train.txt";
19    char *backup_directory = "/your_path/backup/";

其中，train_images指向的是训练文件，backup_directory指向的是训练过程中权重的备份路径。编辑好yolo.c之后，保存，重新编译一下DarkNet。

9.4下载预训练之后的卷积权重

训练的时候使用来自Extraction模型的卷积层权重，这个模型训练时用的是Imagenet数据。从这(54MB)下载这些权重。如果你想直接用Extraction模型生成这些预训练好的权重，你得先下载预训练好的Extraction模型，运行下面的命令

./darknet partial cfg/extraction.cfg extraction.weights extraction.conv.weights 25

劝告大家直接下载权重会更简单。。。

9.5训练

运行下面命令开始训练

./darknet yolo train cfg/yolo.cfg extraction.conv.weights

运行时，屏幕会提示一下数字和任务信息。

如果你想训练更快些，同时降低提示信息频率，首先终止训练，然后在cfg/yolo.cfg中修改一下第三行的信息

3    subdivisions = 2

或修改成4，或更大，比如64。然后重新开始训练

9.6训练Checkpoints

每训练128000张图片之后，DarkNet自动保存checkpoint信息到你在src/yolo.c中指定的备份路径下。checkpoint的文件名类似于yolo_12000.weights。你可以使用这些checkpoint信息重新开始训练，避免从头开始。

40,000次迭代之后，DarkNet会保存模型的权重，然后结束训练，最后的权重会以yolo.weights命名。

恭喜，这就训练结束了~

Good Luck!!

上两张训练时的截图

running_1

running_2

---

下面是你安装过程中可能遇到的问题和解决办法

Q1.使用GPU=1，运行测试命令，例如

./darknet imtest data/eagle.jpg

或者

./darknet yolo demo cfg/yolo.cfg yolo.weights并键入图片地址

报以下错误

L2 Norm: 372.007568

CUDA Error:invalid device function

darknet: ./src/cuda.c:21: check_error: Assertion `0' failed.

Aborted (core dumped)

看了看./src/cuda.c的代码也没发现啥。。。

出现这个问题是因为DarkNet的配置信息Makefile文件里面的GPU架构和实际安装的GPU不对应。

ARCH= --gpu-architecture=compute_xx  --gpu-code=compute_xx

经测试，k40m和k40显卡应该设置为

ARCH= --gpu-architecture=compute_35  --gpu-code=compute_35

tk1显卡的设置应该为

ARCH=--gpu-architecture=compute_20 --gpu-code=compute_20

或许这些信息对你有所帮助