yolov2训练_[人工智能]Mxyolov3 0.1版本发布，轻松训练K210模型

Mx-yolov3

在过去的一段时间里，收到了许多反馈和BUG，但由于各种原因，很久没有去更新Mx-yolov3；经过几天的修改和改进，新的版本诞生了，我们将它定为1.0版本(你可以在软件界面右下角看到版本号，为了今后能更好的识别软件版本，新版本的软件您可以在“Import 创客”公众号中发送"Mx3"以此来获得下载链接)；下面我们就来看看1.0版本做了哪些改进和修复。

01

改进和修复

#增加两种网络结构

增加Tiny Yolo和Full Yolo网络结构提供选择

#增加Alpha参数调节

Alpha参数在训练模型的过程中非常重要，能够控制模型文件大小，当然较小的参数也会影响模型的精度，调节参数为0.25能够训练出800~900K大小的Kmodel模型文件。小模型意味着占的内存更加的小，使得能够在K210中同时加载两个模型。

#全新的Anchors锚点计算方式

新的Anchors锚点计算方式，使得锚点更加适合数据集。

#  新的环境配置GUI 

更加清晰的配置步骤

#修复多个BUG

1、修复了因为h5py库版本较高引起的预训练模型读取失败问题。

2、修复了Anchors锚点计算时遍历标签时，找不到图片的错误问题。

3、修复了软件一直提示“could not convert string to float:”的问题。

02

环境配置与GPU配置

现在，你可以使用的配置GUI来按照步骤进行环境配置！

1、先安装Python3.7.4 版本，不支持Python3.8版本(因为许多依赖库不支持3.8版本的Python)必须安装在默认路径，否则修改kreas网络将失败。

2、安装依赖库、拷贝权重文件并修改Kreas网络，在安装依赖库的过程中若收到“HTTP”错误，请更换网络环境重试。

3、若需要使用GPU训练，则需要安装CUDA_10.0和Cudnn_7.6.4，安装成功后将自动启用GPU进行训练；安装的网络教程在文件夹内。

03

训练第一个模型-口罩识别模型

本文中将简单演示一下Mx-yolov3自带的Demo(口罩识别模型)的训练及部署方法，关于数据集的准备、Mx-yolov3的目录结构将在下期进行讲解。

打开Mx-yolov3软件，经过简单加载之后，我们将看到它的主界面，重新选择一下训练图片地址和训练标签地址，这两个文件夹都在主目录“datasets/yolo/masks“路径下，其中img文件里面包含着所有的训练图片，而xml文件夹内则包含了所有已标注好的标签文件。

接着你可以点击”计算Anchor”按钮，此时Mx-yolov3将在后台对数据集进行整理并计算出训练所需要的锚点参数。(图1)

图1 Anchor计算结果

可以看到锚点的计算方式非常简单，接着点击开始训练，如果不出意外地话，你将在信息栏和终端信息栏中看到如下画面：

图2 开始训练

等待迭代完毕后，信息栏和终端信息将会同时显示训练结束。

图3 训练结束

训练结束后，可以在主目录下的“模型文件”文件夹中找到你刚才训练好的两个模型文件yolov2.h5和yolov2.tflite

(图4)

接下来点击“测试模型”按钮，选择yolov2.h5模型文件，稍等几分钟，Mx-yolov2将会把测试结果显示出来。

04

使用NNcase0.1进行模型转换

点击模型转换按钮，打开NNcase0.1_GUI版本，选择刚才训练出来的yolov2.tflite模型文件，保存地址，量化图片地址(训练图片4~5张)，点击开始转换，等待一会，将看到如下信息。

05

部署模型到Maix上

将转换得到的yolov2.kmodel模型文件、模型文件文件夹内的anchor.txt文件、label.txt文件、程序文件内的物体分类脚本boot.py拷贝到sd卡，将Maix开机，不出意外地话，Maix将快速的进行口罩识别，当然你可以将Mx-yolov3用在你自己的数据集上，更多有趣的创意等待大家去发现。

06

口罩识别效果

07

人体识别效果

Import创客

关注一波吧~