Darknet下的Yolo v3

一、网址：https://github.com/AlexeyAB/darknet

二、训练自己的数据（检测人头）：

1、经过1周训练的效果图，总体上效果还是很OK的，检测精度也比较高：

2、数据准备

2.1 标注工具

标注工具在我的其他博客里有说明，这部分跳过，标注的人头的时候注意选择成person即可，方便以后生成训练时使用的.txt文件。

2.2 标注人头

一般规则 - 您的训练数据集应包含您要检测的一组相对大小的对象（样本要充分）

• train_network_width * train_obj_width / train_image_width ~= detection_network_width * detection_obj_width / detection_image_width
• train_network_height * train_obj_height / train_image_height ~= detection_network_height * detection_obj_height / detection_image_heigh

2.3 训练数据转换：

需要把标注生成的.xml文件转换成.txt文件，切记名字要对应上：

2.4 生成train.txt和val.txt，比例大约为8:1

2.5 训练数据

1）修改Makefile配置，使用GPU训练

GPU=1 #如果使用GPU设置为1，CPU设置为0
CUDNN=1  #如果使用CUDNN设置为1，否则为0
OPENCV=1 #如果调用摄像头，还需要设置OPENCV为1，否则为0
OPENMP=0  #如果使用OPENMP设置为1，否则为0
DEBUG=0  #如果使用DEBUG设置为1，否则为0
CC=gcc
NVCC=/home/user/cuda-9.0/bin/nvcc   #NVCC=nvcc 修改为自己的路径
AR=ar
ARFLAGS=rcs
OPTS=-Ofast
LDFLAGS= -lm -pthread 
COMMON= -Iinclude/ -Isrc/
CFLAGS=-Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC
...
ifeq ($(GPU), 1) 
COMMON+= -DGPU -I/home/hebao/cuda-9.0/include/  #修改为自己的路径
CFLAGS+= -DGPU
LDFLAGS+= -L/home/hebao/cuda-9.0/lib64 -lcuda -lcudart -lcublas -lcurand  #修改为自己的路径
endif

编译程序：

make -j8

2）开始训练：

./darknet detector train cfg/head.data cfg/yolov3-head.cfg darknet53.conv.74 -gpus 0,1

3) 检测目标：

./darknet detect cfg/yolov3-head.cfg weights/yolov3_150000.weights data/dog.jpg

注：

该博客主要做记录使用，由于数据属于公司，不能提供给大家，有些问题还没有解决，希望专业人士能够指点一下，QQ：187100248.

问题如下：

1、训练到10w多次，结果不收敛，一直震荡，不知道如何解决：

2、小目标会检测不到，漏掉的较多；

3、检测时间如何优化的更好。

算法demo，封装了一个前期的演示效果，验证算法可以在windows上运行，需要的环境：

vs2015+cuda9.1+windows10+release版本即可：

demo网盘地址：链接：https://pan.baidu.com/s/10AW8SHdGarzsZKuIaTSvPA 密码：9al6