口罩佩戴检测数据训练开源口罩检测数据集和预训练模型.zip

## [DIoU-Darknet](https://github.com/Zzh-tju/DIoU-darknet) 训练目标检测任务的过程 > YOLOv3 with DIoU and CIoU losses implemented in Darknet [[arxiv](https://arxiv.org/abs/1911.08287)] [[pdf](https://arxiv.org/pdf/1911.08287.pdf)] **Xu Jing** 配置和训练过程以darknet版YOLO v3和Gaussian YOLO v3的配置训练过程相似，这里以Ubuntu为例，关于Windows下的配置和生成过程，具体可以联系[**DataXujing**](https://github.com/DataXujing) ### 1.修改Makefile并make ```shell 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=1 #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 ``` ```shell make ``` ### 2.数据 VOC格式数据！ ### 3.配置文件 + (1).Losses 目前支持的损失：`[iou|giou|diou|ciou|mse]` ``` iou_loss=ciou ``` + (2).Normalizers Location和Claffication损失之间的Normalize,`cls_normalizer` 和`iou_normalizer` 默认都是`1.0`,但在DIoU探索中发现，下面的配置比较好： ``` iou_loss=diou cls_normalizer=1 iou_normalizer=1.0 ``` ``` iou_loss=ciou cls_normalizer=1 iou_normalizer=0.5 ``` + (3).DIoU-NMS 在`nms_kind`参数下设置，目前支持`[greedynms|diounms]` ``` nms_kind=greedynms ``` ``` nms_kind=diounms ``` 对于YOLOv3来说, DIoU-NMS中引入beta1参数： `DIoU = IoU - R_DIoU ^ {beta1}`,是的NMS表现不错。DIoU发现，对于YOLOv3 ``` beta1=0.6 ``` DIoU-NMS是比较好的(bet1=1.0也优于greedy-NMS)。但对于SSD和Faster R-CNN而言，`beta1=1.0`就很不错了。 + (4).learning rate - `learning_rate`的设置原则 `NEW_RATE = ORIGINAL_RATE * 1/NUMBER_OF_GPUS` ； - `burn_in` 的设置原则 `NEW_BURN_IN = ORIGINAL_BURN_IN * NUMBER_OF_GPUS` 因此对于1个GPU的情形： ``` learning_rate=0.001 burn_in=1000 ``` 对于2个GPU的情形: ``` learning_rate=0.0005 burn_in=2000 ``` 对于4个GPU的情形: ``` learning_rate=0.00025 burn_in=4000 ``` + (5).其他配置 其他配置和YOLOv3相似！ ### 4.训练 ``` ./darknet detector train cfg/myData-diou.data cfg/myData-diou.cfg darknet53.conv.74 #-gpus 0,1 ``` ### 5.Evaluation ``` ./darknet detector test cfg/myData.data cfg/myData-ciou.cfg backup/ciou/myData-ciou_14000.weights data/test1.jpg ``` ### 6.DEMO  ### Reference ``` @inproceedings{zheng2020distance, author = {Zhaohui Zheng, Ping Wang, Wei Liu, Jinze Li, Rongguang Ye, Dongwei Ren}, title = {Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression}, booktitle = {The AAAI Conference on Artificial Intelligence (AAAI)}, year = {2020}, } ```