## darknet-pjreddie详述
克隆代码:git clone https://github.com/GuoJaw/darknet-pjreddie
## Introduce:
中文标签
批量测试图像,显示并保存
## 测试视频
./darknet detector demo kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg kitti/TestFile/yolov3_kitti_final.weights -c 0 -thresh 0.3 test.avi
## 训练自己的数据集(以KITTI数据集为例)
【一】 制作KITTI格式数据集,将目录放在~/data/目录下,目录结构,见下:
KITTIdevkit
KITTI
Annotations #标注的XML文件
ImageSets #train.txt test.txt val.txt trainval.txt
Main
JPEGImages #图像文件jpg或png
执行软连接:
cd darknet-pjreddie/kitti
ln -s ~/data/KITTIdevkit . #将数据集软连接到darknet-pjreddie/kitti目录下
【二】
(1)用matlab在KITTI/ImageSets/Main生成四个文件train.txt trainval.txt val.txt test.txt
(2)用上面生成的四个文件,执行脚本:
gjw@gjw:~/darknet-pjreddie-master/kitti$ python2 kitti_label.py
执行结果:
[1]在./KITTIdevkit/KITTI目录下,产生YOLO训练需要labels下的txt
(txt内容:每张jpg/png图像中的类别和坐标信息)
[2]在kitti/下应该也生成了train.txt,test.txt,val.txt这3个文件
(3个.txt文件:里面包含了所有训练,测试样本的绝对路径)
【三】TestFile/目录下,配置文件的修改
(1)kitti.names: 标签名字文件,修改见下
car
pedestrian
cyclist
(2)kitti.data:
classes= 3
train = /home/gjw/darknet-pjreddie/kitti/train.txt ##【二】(2)-[2]生成的train.txt目录
valid = /home/gjw/darknet-pjreddie/kitti/test.txt ##【二】(2)-[2]生成的test.txt目录
names = /home/gjw/darknet-pjreddie/kitti/TestFile/kitti.names ##【三】(1)kitti.names
backup = /home/gjw/darknet-pjreddie/kitti/backup ##存放训练生成的.weight权重文件的目录
results = /home/gjw/darknet-pjreddie/kitti/kitti_result
【注意】必须新建./kitti/backup和./kitti/kitti_result目录
(3)yolov3-kitti.cfg网络配置文件
[1]一共需要修改三处
[convolutional]
size=1
stride=1
pad=1
filters=24 #### 计算公式 = 3 * (类别数 + 5)
activation=linear
[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=3 ####类别数,本例为2类
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0 ###1
[2]相关其他参数
learning_rate 学习率0.0001
max_batches 最大迭代次数 40000
【六】训练命令
cd ~/darknet-pjreddie
./darknet detector train kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg darknet53.conv.74
说明:
darknet53.conv.74 是加载的预训练模型,在官网上可以下载
=========================================
## 1. 测试
(1)视频
./darknet detector demo kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg kitti/TestFile/yolov3_kitti_final.weights kitti/TestFile/test.avi -thresh 0.3
(2)批量测试图像,显示并保存起来(必须用darknet-pjreddie版本)
(1)命令
./darknet detector test kitti/TestFile/kitti.data kitti/TestFile/yolov3_kitti.cfg kitti/TestFile/yolov3_kitti_final.weights
(2)请输入:保存着待测试图像的绝对路径test.txt
/home/gjw/darknet-pjreddie/kitti/test.txt
=========================================
## 2. 测试mAP
用faster-rcnn的脚本去测,必须文件:
待测图像的“标准的”xml文件
没有合适的资源?快使用搜索试试~ 我知道了~
中文标签;批量测试图像并保存;训练KITTI数据集.zip
共158个文件
c:67个
h:48个
py:11个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 179 浏览量
2024-01-02
15:13:44
上传
评论
收藏 338KB ZIP 举报
温馨提示
偏向嵌入式的系统项目源码、数据集
资源推荐
资源详情
资源评论
收起资源包目录
中文标签;批量测试图像并保存;训练KITTI数据集.zip (158个子文件)
lsd.c 44KB
data.c 44KB
parser.c 43KB
go.c 43KB
image.c 42KB
classifier.c 34KB
detector.c 31KB
network.c 30KB
lstm_layer.c 24KB
region_layer.c 19KB
convolutional_layer.c 18KB
darknet.c 18KB
attention.c 15KB
rnn.c 15KB
utils.c 14KB
gru_layer.c 13KB
nightmare.c 13KB
coco.c 13KB
yolo_layer.c 12KB
yolo.c 11KB
connected_layer.c 11KB
captcha.c 11KB
compare.c 11KB
demo.c 10KB
batchnorm_layer.c 10KB
detection_layer.c 10KB
rnn_layer.c 10KB
deconvolutional_layer.c 10KB
blas.c 9KB
crnn_layer.c 9KB
local_layer.c 9KB
box.c 8KB
gemm.c 8KB
cifar.c 8KB
segmenter.c 8KB
regressor.c 7KB
rnn_vid.c 7KB
normalization_layer.c 5KB
cost_layer.c 5KB
reorg_layer.c 5KB
voxel.c 5KB
layer.c 4KB
writing.c 4KB
tag.c 4KB
matrix.c 4KB
cuda.c 4KB
maxpool_layer.c 4KB
route_layer.c 4KB
tree.c 4KB
super.c 4KB
dice.c 4KB
activations.c 3KB
softmax_layer.c 3KB
upsample_layer.c 3KB
option_list.c 3KB
shortcut_layer.c 3KB
crop_layer.c 3KB
swag.c 2KB
logistic_layer.c 2KB
avgpool_layer.c 2KB
l2norm_layer.c 2KB
activation_layer.c 2KB
dropout_layer.c 2KB
art.c 1KB
list.c 1KB
col2im.c 1KB
im2col.c 1KB
yolov3_kitti.cfg 8KB
yolov3-voc.cfg 8KB
blas_kernels.cu 33KB
convolutional_kernels.cu 10KB
crop_layer_kernels.cu 7KB
activation_kernels.cu 6KB
deconvolutional_kernels.cu 5KB
maxpool_layer_kernels.cu 3KB
col2im_kernels.cu 2KB
im2col_kernels.cu 2KB
avgpool_layer_kernels.cu 2KB
dropout_layer_kernels.cu 1KB
kitti.data 291B
voc.data 36B
LICENSE.fuck 474B
LICENSE.gen 6KB
.gitignore 200B
LICENSE.gpl 34KB
stb_image.h 254KB
stb_image_write.h 63KB
darknet.h 19KB
blas.h 7KB
activations.h 3KB
image.h 2KB
convolutional_layer.h 2KB
data.h 2KB
utils.h 2KB
local_layer.h 943B
gemm.h 928B
deconvolutional_layer.h 871B
connected_layer.h 666B
normalization_layer.h 658B
crnn_layer.h 649B
共 158 条
- 1
- 2
资源评论
马coder
- 粉丝: 1206
- 资源: 6602
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功