YOLOv3&v4目标检测算法详解及预训练模型使用与自己训练模型

一、YOLO简介

YOLO是目前比较流行的目标检测算法，结构简单但是功能强大。有了它，你就能成功检测出许多目标物体。本文主要介绍YOLO v3和v4及其模型使用方法，下面给出源码地址：

GitHub地址链接：https://github.com/AlexeyAB/darknet
YOLO官网：https://pjreddie.com/darknet/yolo/

更详细的内容请看原论文：

[1] Joseph Redmon, Ali Farhadi. YOLOv3: An Incremental Improvement.
[2] Alexey Bochkovskiy, Chien-Yao Wang, Hong-Yuan Mark Liao. YOLOv4: Optimal Speed and Accuracy of Object Detection.

二、YOLO v3

**YOLO（You only look once）**是目前比较流行的实时目标检测算法，结构简单但是功能强大。YOLO v3以v1和v2为基础做出了一些改进，主要有：网络结构调整为53个卷积层，称为darknet-53；利用多尺度特征进行对象检测；对象分类使用logistics回归等。
YOLO3借鉴了残差网络结构，形成更深的网络层次，以及多尺度检测，提升了mAP及小物体检测效果。如果采用COCO mAP50做评估指标，YOLO3的表现相当惊人，如下图所示，在精确度相当的情况下，YOLOv3的速度是其它模型的3、4倍。

三、YOLO v4

YOLO v4在v3的基础上又有了大量的改进，包括：提出了一种高效而强大的目标检测模型；验证了SOTA的Bag-of Freebies 和Bag-of-Specials方法的影响；改进了SOTA的方法，使它们更有效，更适合单GPU训练等。
与众多目标检测算法比较起来，YOLO v4在速度和准确性方面都有很好的优势，如下图所示：

四、预训练模型使用（基于Darknet的GPU版本）

通过GPU运行有许多的优势，所以这里只介绍基于Darknet框架的GPU版本的方法，请小伙伴们自行安装好CUDA和cuDNN。darknet在深度学习方面有许多优势，包括：
（1）darknet完全由C语言实现，没有任何依赖项，而且可以使用OpenCV，但只是用其来显示图片、为了更好的可视化。
（2）darknet支持CPU和GPU，使用GPU计算效果更佳，速度更快。
如果是检测视频，那么还需要安装好OpenCV。
我的配置：Win10+CUDA10.1+cuDNN7.6.4+OpenCV3.4.1

1.下载项目
请点击这里进入Github下载项目

2.在Windows 10上通过Visual Studio 2017编译
①找到并打开darknet.vcxproj，将里面两处含有**“CUDA”片段的代码改成相应的版本，我改为10.1**。（如果你的CUDA版本不是10.1，那么请改成对应的版本）
②打开darknet.sln，选择文件属性，删除CUDA C/C++中的;compute_75,sm_75。
③在visual studio 2017中编译环境设置为Release x64，然后点击“生成”按钮。编译成功的话，在x64文件夹中就会出现darknet.exe文件。

3.使用Command命令行运行
使用基于darknet框架的YOLO算法预训练模型（基于COCO训练集训练得到），需要配置weights文件和cfg文件。在实验中，我使用的是YOLO v3和YOLO v4算法，所以需要下载好yolov3.weights和yolov4.weights文件并放在x64文件夹下。（weights文件在GitHub上可以下载）
①检测视频：使用command命令打开\build\darknet\x64文件夹，输入命令darknet.exe detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights test.mp4 -out_filename res.avi即可对视频进行目标检测并保存结果。将命令中的yolov4换成yolov3即可使用yolov3的模型。
②检测图像：输入命令darknet.exe detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights dog.jpg -thresh 0.25。如果使用的是v3，将v4改成v3即可。保存检测结果：darknet.exe detector test cfg/coco.data yolov4.cfg yolov4.weights -ext_output dog.jpg

下面是v3检测结果：

v4检测结果：

对比可以发现，v4比v3支持更多的目标种类，准确率也更高

五、自己训练模型（使用GPU）

我使用的数据集是PASCAL VOC 2007 training dataset中挑选的39张图像，基于YOLO v4算法的预训练模型训练了自己的模型。主要步骤如下：
**①在YOLO v4预训练模型的基础上，修改相关参数。**在yolo-obj.cfg中，根据自己训练模型的需要，修改batch、subdivisions、max_batches、steps、width、height、classes、filters 等参数的值。在我训练的模型中，目标检测的种类设定为car和person两类，所以classes=2，filter=21。
**②选定自己的数据集，并对目标进行标记。**我选择PASCAL VOC 2007 training dataset中39张含有car和person的图像作为自己的数据集。然后，用YOLO mark对图像中的目标（car和person）进行标记，在图像对应的txt文件中生成目标的class、x_center、y_center、width和height。
**③训练模型。**用command命令行输入darknet.exe detector train data/obj.data yolo-obj.cfg yolov4.conv.137命令，将会开始自动训练模型。整一个训练过程是在GPU上进行的，可以加快计算速度。迭代次数设置为6000次，每迭代1000次会保存一次训练结果，在迭代计算6000次后训练结束。
**④测试模型。**训练结束后，使用生成的权重文件测试图像。输入命令darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_1000.weights进行测试。

训练的时间取决于电脑的性能，随缘吧~
这是我的损失函数，迭代了2000次：

由于我只设置了person和car两类目标，所以只能检测出人和车。下面是迭代2000次的测试结果：

改进训练方法：
①增加迭代次数。迭代次数通常等于classes（检测种类）*2000，但最少不应该少于6000。适当的增加迭代次数可以改进模型，但是同时要防止过拟合。
②增加训练集数量。检测的每个对象-训练数据集中必须至少有一个相似的对象，它们具有大致相同的形状：形状，对象的侧面，相对大小，旋转角度，倾斜度，照明度。最好是有2000或以上张图像。
③合理标记对象。标记对象的最佳方法是：仅标记对象的可见部分，或标记对象的可见和重叠部分，或标记比整个对象多一点（有一点间隙）。
④修改模型参数。在.cfg文件中设置flag random = 1通过对Yolo进行不同分辨率的训练，或是增加.cfg文件中的网络分辨率（height= 608，width= 608或任何32的倍数）

更详细的内容请看GitHub！