Yolo V3 in Google Colab

Question

我一直在尝试使用YOLO V3在Google Colab上而不是我的本地机器开发一个对象检测系统，因为它具有免费，快速和开源的性质。但是问题是，在经过几个有关Yolo V3设置和开发的教程之后，我迷路了，但它们都不适合Google Colab特定于Google。现在，我在安装了Colab中的所有所需依赖项后库存。

请转发我有关开发过程的任何好教程或指导我解决这个问题。

我遵循的一些教程是：

1. 如何从头开始实现yolo(v3(对象检测器pytorch
2. Google Colab免费GPU教程
3. 使用Pytourch
4. Yolo在Google Colab上

Answer 1

我写了一篇有关如何在Google colab上使用darknet训练yolo的文章。它包含带有所有解释的必要步骤，一些提示和笔记本。

教程

注意：我认为这会有所帮助，但在Stackoverflow中可能不是一个很好的做法，可以链接到自己的教程。对不起！

大卫

Answer 2

** Yolo V3-在15分钟内**

步骤-1

克隆存储库!git clone https://github.com/pjreddie/darknet.git

设置当前目录!cd darknet

检查当前目录-!pwd

注意 - 如果!cd无法使用，请使用

import os
os.chdir("path")

步骤-2

通过双击打开darknet/makefile。编辑文件，更改值GPU = 1

向下滚动

ARCH= -gencode arch=compute_30,code=sm_30 
  -gencode arch=compute_35,code=sm_35 
  -gencode arch=compute_50,code=[sm_50,compute_50] 
  -gencode arch=compute_52,code=[sm_52,compute_52]
  -gencode arch=compute_20,code=[sm_20,sm_21]  This one is deprecated?

在第一行中，将compute_30,code=sm_30更改为compute_50,code=sm_50通过CTRL + S

保存此文件

步骤-3

现在制作一个文件夹darknet/data/Image并在此中移动数据集。图像文件和注释文件。

示例 - image.jpg和image.txt

将数据集拆分而无需将数据移动到其他文件夹中，只需在其中创建两个TXT文件，并使用路径存储图像名称。示例 - 数据/图像/image.jpg

您可以使用代码在TXT文件中编写名称。https://gist.github.com/sainisatish/1328A1D29273E32A5821CFBC38127FBE

train.txt和valid.txt将这些文件放在darknet/data文件夹中

步骤-4

现在打开配置文件darknet/cfg/yolov3.cfg并进行编辑。(双点击上(

这是模型体系结构。

第一个更改启动参数，例如Batch = 64,subdivision = 16

max_batches = 2000*n，这是n是类的数量如果您有两个类，则max_batches = 4000。

步骤是max_batches的％，我们可以使用80％和90％

step = 80% of max_batches, 90% of max batches
step = 3200,3600

向下滚动到底部，然后更改两个参数

在[yolo]层变更-classes

和

在[convolutional]层中(仅高于[Yolo]层(更改filters。

class =(c(您的类数

filter =(C 5(*3

注意 - 这里只有3 [YOLO]层

保存文件

步骤-5

现在创建两个文件在darknet/data中，创建一个使用.names扩展名的文件并保存您的类名称。

cat
dog

在darknet/cfg中，使用.data扩展名创建另一个文件并保存以下详细信息。

classes= 2 
train  = data/train.txt
valid  = data/test.txt
names  = data/obj.names
backup = backup/

现在所有工作都完成了。只需运行此命令

!make

下载此权重文件

!wget https://pjreddie.com/media/files/darknet53.conv.74

成功完成命令后通过运行此命令

训练Darknet模型

!./darknet detector train cfg/obj.data cfg/yolov3.cfg darknet53.conv.74 | tee -a log.txt

测试您的模型

./darknet detector test cfg/obj.data cfg/yolov3.cfg backup/your weight file address

面对任何问题评论您的问题。