Ubuntu+YOLOV3+安全帽检测

• Ubuntu+YOLOV3+安全帽检测

今天是2020年上半年最后一天，这是我的第一篇博客， 以前都是把一些思考、问题记录在微信上，觉得还是不太方便，从今后开始就记录在这里吧。

背景介绍

1.为了检测安全帽，数据集大考试2200+1000左右吧，用的服务器是Ubuntu2080ti和1080ti今天都试了
2.服务器平台：智慧星
3.算法：YOLOV3+Darknet网络

感想：
本科的时候学习了Linux，已经很久不用了，按理来说是应该学习一下的，之前因为比较害怕所以一直逃避不去接触Ubuntu，虽然我心里清楚他是有很多优点的，但是怎么说呢。经过这一天的摸索，我发现其实没有我想象的那么难，所以，面对难题还是不能怕。

Ubuntu搭建YOLO步骤
1.darknet下载
因为智慧星的这个平台里面是有darknet,所以我没有自己下载，下载其实也没事git一下就好了
2.传输本地文件到服务器
使用FileZilla，把本地darknet-master/build/darknet/下面的xml文件Image文件以及createId.py和trans.py都上传到服务器对应的darknet文件下，很方便，就是时间用的比较久
3.配置opencv
在等待文件传输的过程中，正好配置下智慧星的yolo环境，服务器里CUDA是10.0，cudnn也是匹配的，差的是opencv.
sudo apt install libopencv-dev
上面这一步出错了，只要根据提示 apt-get update，重复一下就好。成功会出现触发器字眼。
4.测试yolo是否成功
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
前提是yolov3.weights传输成功
5.根据这个博客去准备自己的数据集
使用pycharm的时候一定要把python换成Anconda里面的python3.7
https://blog.csdn.net/dcrmg/article/details/81296520
(1)train命令
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
(2)test命令
./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights 01.jpg

这篇文章很好，讲了yolo的优化还有一些可视化，之后可以详细的看下。
https://blog.csdn.net/lumingha/article/details/89038863

总结：最后没有成功主要还是因为训练的时候看到class很多地方都是nan，而且后面训练很慢。改了batch、rate也没有用，还是要继续找原因。