YOLO(Darknet公式)トレーニング分類器

4511 ワード

1. 分類データ準備

2. Darknet構成

3. Darknetコマンド使用

4. cifar-10使用例

1.分類データ準備

必要なファイルのリスト:

1. train.list :  
2. test.list :  
3. labels.txt :  ， 
4. voc.data : darknet ， 
5. cifar.cfg :

次のディレクトリ構造で構成されます.

VOCdevkit
	VOC2017
		JPEGImages
			train
			test

トレーニングとテストの割合を設定します.

データセットが比較的小さい(10000程度)場合、設定された割合は、トレーニング:テスト=80%:20%

である.

データセットが比較的大きい(100000程度)場合、設定された割合は、トレーニング:テスト=99%:1%

次に、JPEGImagesディレクトリに移動して、次の操作を行います.

find `pwd`/train -name \*.jpg > train.list
find `pwd`/test -name \*.jpg > test.list

構造labels.txtファイル内容

airplane
automobile
bird
cat
deer
dog
frog
horse
ship
truck

構築voc.dataファイルの内容:

classes=10 # 
train  = data/cifar/train.list # 
valid  = data/cifar/test.list #  
labels = data/cifar/labels.txt #  
backup = backup/ # 
top=2 #  top-n

ネットワークプロファイルの選択:
ネットワークプロファイルおよび事前トレーニングモデル
AlexNetの例:

[net]
# Training
# batch=128
# subdivisions=1
# Testing
batch=1
subdivisions=1
height=227
width=227
channels=3
momentum=0.9
decay=0.0005
max_crop=256

learning_rate=0.01
policy=poly
power=4
max_batches=800000

angle=7
hue = .1
saturation=.75
exposure=.75
aspect=.75

[convolutional]
filters=96
size=11
stride=4
pad=0
activation=relu

[maxpool]
size=3
stride=2
padding=0

[convolutional]
filters=256
size=5
stride=1
pad=1
activation=relu

[maxpool]
size=3
stride=2
padding=0

[convolutional]
filters=384
size=3
stride=1
pad=1
activation=relu

[convolutional]
filters=384
size=3
stride=1
pad=1
activation=relu

[convolutional]
filters=256
size=3
stride=1
pad=1
activation=relu

[maxpool]
size=3
stride=2
padding=0

[connected]
output=4096
activation=relu

[dropout]
probability=.5

[connected]
output=4096
activation=relu

[dropout]
probability=.5

[connected]
output=1000
activation=linear

[softmax]
groups=1

2.Darknet構成

darknet

をダウンロード

git clone https://github.com/pjreddie/darknet.git
cd darknet
make -j4

GPUがあるcuda 8がインストールされている場合.0とcudnn 6.0、Makefileで修正して、対応するCUDA=0をCUDA=1に変更してください.

第1ステップで構築するファイルを対応する位置

に配置する.

darknet
	cfg -- AlexNet.cfg
	data -- voc.data, labels.txt, train.list, test.list

そのうちvoc.dataの内容は対応するファイルに直接指します.

3.Darknetコマンド使用

trainコマンド./darknet classifier train data/voc.data cfg/AlexNet.cfg

validコマンド./darknet classifier valid data/voc.data cfg/AlexNet.cfg backup AlexNet.backup

predictコマンド./darknet classifier predict data/voc.data cfg/AlexNet.cfg backup AlexNet.backup ./cat.png

端末訓練後再訓練./darknet classifier train data/voc.data cfg/AlexNet.cfg backup/AlexNet.backup

訓練用GPU -gpus 0,1

を設置する

4.cifar-10使用例

データ取得

cd data
wget https://pjreddie.com/media/files/cifar.tgz
tar xzf cifar.tgz

cd cifar
find `pwd`/train -name \*.png > train.list
find `pwd`/test -name \*.png > test.list
cd ../..

configファイル

classes=10
train  = data/cifar/train.list
valid  = data/cifar/test.list
labels = data/cifar/labels.txt
backup = backup/
top=2

を選択

ネットワークプロファイルcifar_を作成small.cfg(公式提供)

[net]
batch=128
subdivisions=1
height=28
width=28
channels=3
max_crop=32
min_crop=32

hue=.1
saturation=.75
exposure=.75

learning_rate=0.1
policy=poly
power=4
max_batches = 5000
momentum=0.9
decay=0.0005

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=16
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky

[convolutional]
filters=10
size=1
stride=1
pad=1
activation=leaky

[avgpool]

[softmax]

訓練:./darknet classifier train cfg/cifar.data cfg/cifar_small.cfg valid:./darknet classifier valid cfg/cifar.data cfg/cifar_small.cfg backup/cifar_small.backup

64ビットシステムで32ビットアセンブリ

UVa 101 The Blocks Problem(vector)