python yolo

yolo

Posted by Leo Yang on 2020-08-11

參考來源

我是參考這篇文章 [機器學習 ML NOTE]YOLO!!!如何簡單使用YOLO訓練出自己的物件偵測!!! (Windows+Anaconda)

遇到問題

Tensorflow

tensorflow目前只支援到python3.7，python3.7還只能裝版本2.0.0以下的tensorflow，因為tensorflow 2.0.0 開始移除了一個 tensorflow.contrib 函數庫

檢查目前使用版本

1
2
3
pip --version
# pip 20.1.1 from c:\users\UserName\appdata\local\programs\python\python37\lib\site-packages\pip (python 3.7)
# 如果不是3.7可以把環境變數的python、pip改成3.7的路徑

因為要用python3.7所以

檢查是不是已經裝了tensorflow

1
2
3
4
5
6
7
pip list 
# Package        Version
# -------------------------
# gast           0.3.3
# pip            20.1.1
# tensorflow     1.14.0
# ..........

如果不小心裝了比較高版本的tensorflow，要先移除掉再重裝比較舊的版本

1
2
pip uninstall tensorflow
pip install tensorflow==1.14.0

執行

如果.\darkflow\sample_img\下有一個out的資料夾，裡面有標記圖片中的物件的話就是成功了

用訓練好的模型辨識圖片

1
C:\Users\UserName\AppData\Local\Programs\Python\Python37\python.exe flow --model cfg/yolo.cfg --load bin/yolov2.weights --imgdir sample_img/

用訓練好的模型辨識攝影機

1
C:\Users\UserName\AppData\Local\Programs\Python\Python37\python.exe  flow --model cfg/yolo.cfg --load bin/yolov2.weights --demo camera --saveVideo

標記資料

準備環境(labelimg)

1
2
3
4
5
6
7
8
9
git clone https://github.com/tzutalin/labelImg
cd lableimg

pip install resources
pip install requests
pip install staty
pip install lxml

python lableimg.py

可能會遇到的問題 : No module named ‘libs.resources’

1
2
# 執行下面指令，再把產生出來的resources.py複製到專案的.\labelImg\libs下
pyrcc5 -o resources.py resources.qrc

可能會遇到的問題 : pyrcc5 not found

1
2
3
4
5
6
# 執行'pyrcc5 -o ...'時可能會發生這個例外，原因是因為沒有把pyrcc5加到環境變數裡面
# 可以把對應目錄下的程式家到環境變數'pyrcc5'裡面
C:\Users\UserName\AppData\Local\Programs\Python\Python37\Scripts\pyrcc5.exe

# 或是就直接用pyrcc5.exe執行
C:\Users\UserName\AppData\Local\Programs\Python\Python37\Scripts\pyrcc5.exe -o resources.py resources.qrc

環境都準備好就可以開始用labelimg標記資料

1
C:\Users\UserName\AppData\Local\Programs\Python\Python37\python.exe D:\Backup\UserName\Desktop\Workspace\labelImg\labelImg.py

修改訓練相關設定

config

config我是跟作者一樣用tiny-yolo.cfg : .\darkflow\cfg\tiny-yolo.cfg，裡面有幾個地方要照自己標記的資料去修改

convolutional

tiny-yolo.cfg裡應該只會有一行########這樣的東西，把####下的第二個[convolutional]中的filters改成 : 5*(5 + 標記資料時的label數量)

ex : 我標記3個label，所以filter要改成 : 40 ( 5 * (5 + 3))

classes

把####下的[region]中的classes改成標記資料時的label數量

label.txt

把內容改成標記資料時的label

coco.names

把內容改成標記資料時的label

開始訓練

1
2
3
# python flow --model [modelPath] --train --dataset [Labeling Image Path] --annotation [LabelImageResultPath]

C:\Users\UserName\AppData\Local\Programs\Python\Python37\python flow --model cfg/tiny-yolo.cfg --train --dataset D:\Backup\UserName\Desktop\image\traindata --annotation D:\Backup\UserName\Desktop\Workspace\labelImg\leodata

從某個階段繼續訓練

1
2
3
# python flow --model [model.cfg] --load -1 --train --dataset [image path] --annotation [annotation path]
# -1是default的最後一個check point
C:\Users\UserName\AppData\Local\Programs\Python\Python37\python flow --model cfg/tiny-yolo.cfg --load -1 --train --dataset D:\Backup\UserName\Desktop\image\traindata --annotation D:\Backup\UserName\Desktop\Workspace\labelImg\leodata

一些參數(待確認)

Batch (.\darkflow\darkflow\)

self.define(‘batch’, 16, ‘batch size’)
batch_size越大，訓練速度越快但是可能會用很多記憶體(單次epoch=(全部訓練樣本/batchsize)/iteration=1)
batch_size太小可能會underfitting

epoch (.\darkflow\darkflow\)

self.define(‘epoch’, 1000, ‘number of epoch’)
epoch：1個epoch等於使用訓練集中的全部樣本訓練一次，一個完整資料集通過神經網路一次並返回稱為一次epoch

FEATURED TAGS
python yolo
FRIENDS