YOLOv3：训练自己的数据（附优化与问题总结）

环境说明

  1. 系统：ubuntu16.04

  2. 显卡：Tesla k80 12G显存

  3. python环境: 2.7 && 3.6

  4. 前提条件：cuda9.0 cudnn7.0 opencv3.4.0

实现YOLOV3的demo

  1. 首先安装darknet框架，官网链接

    git clone https://github.com/pjreddie/darknet.git
cd darknet
vim  Makefile

    • 根据情况修改Makefile,如果使用GPU、cudnn和opencv，就将其标志位改成1。

    • 编译

      make

    • 编译完成，测试一下

      ./darknet

      应该会出现以下信息

      usage: ./darknet <function>

      如果有使用opencv，则可以测试下检测用例,会出现很多老鹰的图片说明darknet的安装odk了

      ./darknet imtest data/eagle.jpg

  2. 使用yolov3预训练模型检测物体

    • 首先获取模型权重

      wget https://pjreddie.com/media/files/yolov3.weights

    • 然后运行目标检测

      ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

      这边运行的时候很可能出现的一个问题就是，没有出现bbox

      原因

      如果GPU = 1或CUDNN = 1，darknet将为每个层预先分配GPU虚拟内存，这取决于cfg文件中的批量大小和子分区设置。
      对于训练，批量大小表示将在迭代中对GPU执行多少图片，更大的值可以减少训练时间，并且如果GPU在迭代中没有足够的内存，则子划分可以将它们分组以防止存储器大小限制问题。
      保持1检测，因为这些设置主要用于训练网络。

      参考：

      https://github.com/pjreddie/darknet/issues/405

      https://github.com/pjreddie/darknet/issues/405

      解决方法：

      （1）检测的时候令cudnn=0，

      （2）修改cfg文件成batch=1，sub=1

命令简介

先举个例子

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

darknet ：一个可执行的程序，类似win下的exe

detector：是第一个参数，执行detector.c

test：detector.c里面的一个函数test_detector()，用来测试图片

cfg/coco.data："cfg/"是训练的配置文件所在路径，coco.data是.data配置文件名

cfg/yolov3.cfg："cfg/"是训练的配置文件所在路径，yolov3.cfg是.cfg配置文件名

yolov3.weights：训练好的模型，yolov3.weights在darknet根目录

data/dog.jpg：“data/”是要测试图片所在路径，dog.jpg是测试图片文件名

  1. 测试

    • 测试图片

      指令格式

      ./darknet detector test <data_cfg> <test_cfg> <weights> <image_file>（可选）

      如果没有指定 <image_file> 就可以像这样测试多张图片

      <test_cfg>文件中batch和subdivisions两项须为1或者测试时不使用cudnn

      测试时还可以用-thresh调整置信度阈值 ，例如只显示置信度在60%以上的 bbox

      ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg  -thresh .6

    • 检测视频，需要用到demo函数（src/demo.c）

      ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights test.avi

    • 在摄像头上测试，需要用到demo函数

      ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

  2. 训练模型

    指令格式

    ./darknet -i <gpu_id> detector train <data_cfg> <train_cfg> <weights>

    • 单GPU训练

      ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

    • 更换GPU训练

      ./darknet detector -i 2 train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

    • 多GPU训练

      ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1,2,3

    • CPU训练

      ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 --nogpu

  3. 模型评估recall,生成测试结果

    • 生成测试结果

      ./darknet detector valid <data_cfg> <test_cfg> <weights> <out_file>

      （1）<test_cfg>文件中batch和subdivisions两项需为1。
      （2）测试结果生成在<data_cfg>的results指定的目录下以<out_file>开头的若干文件中，若<data_cfg>没有指定results，那么默认为darknet/results。

    • 计算recall（需要修改detectocr.c请参考第五部分优化与个性化——计算map与recall）

      /darknet detector recall <data_cfg> <test_cfg> <weights>

      （1）<test_cfg>文件中batch和subdivisions两项需为1
      （2）RPs/Img、IOU、Recall都是到当前测试图片的均值（意义待续）

训练自己的数据

  1. 首先下载预训练卷积权重

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

  2. 其次标注数据集，生成yolo所需要的txt格式的labels

    • 推荐使用yolo_mark数据集标注工具，可以直接生成txt

    • 下载yolo_mark

      git clone https://github.com/AlexeyAB/Yolo_mark.git

    • 要在Linux上编译，输入：

      cd Yolo_mark
cmake .
make
chmod +x linux_mark.sh
./linux_mark.sh

    • 打开yolo_mark就是GUI的标注了，主要是修改data和names，具体请参考官网

  3. 修改配置文件

    • 修改.data文件

      classes= 4 （修改成自己训练的种类数）
train  = /home/user_name/darknet/data/train.txt   （修改成自己train.txt的路径）
valid  = /home/user_name/darknet/data/2007_test.txt （评估测试的图片的路径，用于后面的评估测试）
names = data/voc.names                                  （修改成自己的类别名的路径）
backup = backup                                         （训练的权重所存放的路径）
results = results                            （评估测试结果存放路径，也可以自己定义）

    • 修改.names这个比较简单，修改自己的类别就可以

      例如我的文件是yolov3.names

    • 修改.cfg文件

    • 关于cfg修改，以4类目标检测为例，主要有以下几处调整（蓝色标出），#表示注释，根据训练和测试，自行修改，修改说明：

      A:filters的计算和聚类数目分布有关

      yolov3:filters=(classes + 5)x3

      yolov2: filters=(classes + 5)x5。

      B.classes就是类别数量

      C.如果想修改默认anchors数值，可以使用k-means；

      D.如果显存够大，则可以开启多尺度训练令random=1，不过loss会有点震荡；

      给出一份我的cfg以供参考，传送门

      [net]

      Testing

      batch=1

      subdivisions=1

      Training

      batch=64

      subdivisions=8

      ......

      [convolutional]
      size=1
      stride=1
      pad=1

      filters=27###75

      activation=linear

      [yolo]
      mask = 6,7,8
      anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
      classes=4###20
      num=9
      jitter=.3
      ignore_thresh = .5
      truth_thresh = 1
      random=0###1

      ......

      [convolutional]
      size=1
      stride=1
      pad=1
      filters=27###75
      activation=linear

      [yolo]
      mask = 3,4,5
      anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
      classes=4###20
      num=9
      jitter=.3
      ignore_thresh = .5
      truth_thresh = 1
      random=0###1

      ......

      [convolutional]
      size=1
      stride=1
      pad=1
      filters=27###75
      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=4###20
      num=9
      jitter=.3
      ignore_thresh = .5
      truth_thresh = 1
      random=0###1

    • 给一份标注好的数据集，有需要的可以参考目录和格式.百度网盘戳我
      提取码: j1zi

  4. 开始训练

    ./darknet detector train cfg/yolov3.data cfg/yolov3.cfg  darknet53.conv.74

    avg：平均loss，越小越好，

    rate：学习率，默认为0.001，可以根据自己的训练情况调整,一般为0.01，0.003，0.001等

    训练参数说明

    Region xx: cfg文件中yolo-layer的索引，82是大物体层，94是中物体层，106小物体层；

    Avg IOU: 当前迭代中，预测的box与标注的box的平均交并比，越大越好，期望数值为1；

    Class: 标注物体的分类准确率，越大越好，期望数值为1；

    obj: 越大越好，期望数值为1；

    No obj: 越小越好；

    .5R: 以IOU=0.5为阈值时候的recall; recall = 检出的正样本/实际的正样本

    0.75R: 以IOU=0.75为阈值时候的recall;

    count: 正样本数目。

优化与个性化问题

这边的更改之后都需要make clean后再make。如果改了之后发现没变化，请第一时间看看是不是没有执行这一步。

  1. 什么时候保存模型，又要如何更改呢？

    迭代次数小于1000时，每100次保存一次，大于1000时，每10000次保存一次。

    自己可以根据需求进行更改，然后重新编译即可[ 先 make clean ,然后再 make]

    代码位置： examples/detector.c line 138

  2. 如何在图像上添加置信度？

    可以看github的修改记录，也可以看下面的修改，修改传送门

    修改src/image.c文件draw_detections()函数，代码修改如下：

    int i,j;
 
    for(i = 0; i < num; ++i){
        char labelstr[4096] = {0};
		char s1[]={"  "};//为了name与置信度之间加空格
        int class = -1;
	    char possible[5];//存放检测的置信值
        for(j = 0; j < classes; ++j){
	    sprintf(possible,"%.2f",dets[i].prob[j]);//置信值截取小数点后两位赋给possible
            if (dets[i].prob[j] > thresh){
                if (class < 0) {
                    strcat(labelstr, names[j]);
					strcat(labelstr,s1); //加空格
		            strcat(labelstr, possible);//标签中加入置信值
                    class = j;
                } else {
                    strcat(labelstr, ", ");
                    strcat(labelstr, names[j]);
					strcat(labelstr,s1);//加空格
		            strcat(labelstr, possible);//标签中加入置信值
                }
                printf("%s: %.0f%%\n", names[j], dets[i].prob[j]*100);
            }
        }

  3. 如何缩小标签大小？

    src/image.c的draw_detections()函数中，get_label函数调用的参数,修改成合适的大小

    效果图：

  4. 如何添加中文标签？

    • 首先制作中文标签图片，

      在darknet/data/labels里面有制作脚本make_labels.py。修改以下就可以用了

      例如我的是四类，我就修改成

      # -*- coding: utf-8 -*-  

import os   
l=["行人","前部","侧边","后部"]
def make_labels(s): 
    i = 0 
    for word in l:   
        os.system("convert -fill black -background white -bordercolor white -border 4  -font /usr/share/fonts/truetype/arphic/ukai.ttc -pointsize %d label:\"%s\" \"cn_%d_%d.png\""%(s,word,i,s/12-1)) 
      i = i + 1 
for i in [12,24,36,48,60,72,84,96]:
    make_labels(i)

      运行脚本

      python make_labels.py

      就可以在labels里面看到自己制作的图片标签

    • 其次修改src/image.c的代码

      具体请看github的修改，传送门，修改完之后，make clean && make.

      测试以下，如图，Bingo!!!

  5. 如何批量检测？

    可以看我github的修改，也可以按照下面的修改。修改传送门

    • 首先在添加一个获取图片名字的函数：
    #include "darknet.h"
#include <opencv2/highgui/highgui.hpp>
static int coco_ids[]={1,2,3,4,5,6,7,8,9,10,11,13,14,15,16,17,18,19,20,21,22,23,24,25,27,28,31,32,33,34,35,36,37,38,39,40,41,42,43,44,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,67,70,72,73,74,75,76,77,78,79,80,81,82,84,85,86,87,88,89,90};

char *GetFilename(char *p)
{ 
   static char name[20]={""};
   char *q = strrchr(p,'/') + 1;
   strncpy(name,q,10);//后面的10是你自己图片名的长度，可修改
   return name;

}
    • 替换examples/detector.c 中的test_detector函数
    void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)
{
    list *options = read_data_cfg(datacfg);
    char *name_list = option_find_str(options, "names", "data/names.list");
    char **names = get_labels(name_list);
 
    image **alphabet = load_alphabet();
    network *net = load_network(cfgfile, weightfile, 0);
    set_batch_network(net, 1);
    srand(2222222);
    double time;
    char buff[256];
    char *input = buff;
    float nms=.45;
    int i=0;
    while(1){
        if(filename){
            strncpy(input, filename, 256);
            image im = load_image_color(input,0,0);
            image sized = letterbox_image(im, net->w, net->h);
            layer l = net->layers[net->n-1];
 
 
            float *X = sized.data;
            time=what_time_is_it_now();
            network_predict(net, X);
            printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);
            int nboxes = 0;
            detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
            if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
                draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
                free_detections(dets, nboxes);
            if(outfile)
             {
                save_image(im, outfile);
             }
            else{
                save_image(im, "predictions");
#ifdef OPENCV
                cvNamedWindow("predictions", CV_WINDOW_NORMAL); 
                if(fullscreen){
                cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
                }
                show_image(im, "predictions",0);
                cvWaitKey(0);
                cvDestroyAllWindows();
#endif
            }
            free_image(im);
            free_image(sized);
            if (filename) break;
         } 
        else {
            printf("Enter Image Path: ");
            fflush(stdout);
            input = fgets(input, 256, stdin);
            if(!input) return;
            strtok(input, "\n");
   
            list *plist = get_paths(input);
            char **paths = (char **)list_to_array(plist);
             printf("Start Testing!\n");
            int m = plist->size;
            if(access("/home/lzm/data/test_folder/darknet/car_person/out",0)==-1)//"/homelzm/......"修改成自己要保存图片的的路径
            {
              if (mkdir("/home/lzm/data/test_folder/darknet/car_person/out",0777))//"/homelzm/......"修改成自己要保存图片的的路径
               {
                 printf("creat folder failed!!!");
               }
            }
            for(i = 0; i < m; ++i){
             char *path = paths[i];
             image im = load_image_color(path,0,0);
             image sized = letterbox_image(im, net->w, net->h);
        //image sized = resize_image(im, net->w, net->h);
        //image sized2 = resize_max(im, net->w);
        //image sized = crop_image(sized2, -((net->w - sized2.w)/2), -((net->h - sized2.h)/2), net->w, net->h);
        //resize_network(net, sized.w, sized.h);
        layer l = net->layers[net->n-1];
 
 
        float *X = sized.data;
        time=what_time_is_it_now();
        network_predict(net, X);
        printf("Try Very Hard:");
        printf("%s: Predicted in %f seconds.\n", path, what_time_is_it_now()-time);
        int nboxes = 0;
        detection *dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes);
        //printf("%d\n", nboxes);
        //if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);
        if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
        draw_detections(im, dets, nboxes, thresh, names, alphabet, l.classes);
        free_detections(dets, nboxes);
        if(outfile){
            save_image(im, outfile);
        }
        else{
             
             char b[2048];
            sprintf(b,"/home/lzm/data/test_folder/darknet/car_person/out/%s",GetFilename(path));//"/homelzm/......"修改成自己要保存图片的的路径
            
            save_image(im, b);
            printf("OJBK!\n",GetFilename(path));
#ifdef OPENCV
            cvNamedWindow("predictions", CV_WINDOW_NORMAL); 
            if(fullscreen){
                cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);
            }
            show_image(im, "predictions",0);
            cvWaitKey(0);
            cvDestroyAllWindows();
#endif
        }
 
        free_image(im);
        free_image(sized);
        if (filename) break;
        }
      }
    }
}

    make clean后再make然后批量测试即可，输入的路径为那些图片路径的txt。

  6. 如何输入检测结果文本，计算recall，map计算

    • 生成测试结果

      ./darknet detector valid <data_cfg> <test_cfg> <weights> <out_file>

      <test_cfg>文件中batch和subdivisions两项必须为1。

      结果生成在<data_cfg>的results指定的目录下以<out_file>开头的若干文件中，若<data_cfg>没有指定results，那么默认为<darknet_root>/results。

      如果出现以下问题，则说明在.data文件里面没有指定valid的路径，添加即可

      Couldn't open file: data/train.list

    • 计算recall

      修改examples/detector.c的validate_detector_recall函数，修改传送门

      首先将validate_detector_recall函数定义和调用修改成

      void validate_detector_recall(char *datacfg, char *cfgfile, char *weightfile)
validate_detector_recall(datacfg, cfg, weights);

      list *plist = get_paths("data/coco_val_5k.list");
char **paths = (char **)list_to_array(plist);
    修改成
list *options = read_data_cfg(datacfg);
char *valid_images = option_find_str(options, "valid", "data/train.list");
list *plist = get_paths(valid_images);
char **paths = (char **)list_to_array(plist);

      修改完老规矩，make clean后再make

      计算recall

      ./darknet detector recall <data_cfg>  <test_cfg>  <weights>
      • <test_cfg>文件中batch和subdivisions两项必须为1。

    • 计算map

      • 先制作xml文件，由于yolo需要的是txt标注，所以之前没有制作xml的。现在利用一个脚本txt2xml.py进行转换，txt2xml.py传送门。

        在python3的环境下运行，就可以得到xml文件

      • 计算mAP

        借助py-faster-rcnn下的voc_eval.py计算，voc_eval.py传送门

        然后新建一个all_map.py（顾名思义是计算所有类的ap，平均一下就是map）的计算脚本，这边提供一个例子，根据注释修改即可。all_map.py传送门

        python2 all_map.py即可看到ap

        若不想让他输出这么多rec什么，可以修改voc.eval.py的返回值只返回ap既可

        若要输出结果就直接在命令后面加一个 > ap_res.txt 即可

        若有需求重复计算map，需要删除生成的annots.pkl

  7. 后台运行并保存训练日志

    nohup 执行命令 > 输出文件 2>&1 &

    例如

    nohup ./darknet detector train head_detector/head.data head_detector/head.cfg head_detector/backup/head.backup -gpus 0,1 > train.log 2>&1 &

  8. Loss和IOU可视化
    用上面生成的train.log来可视化，代码在github，可以根据注释修改，安装pandas等相关模块即可

    代码传送门

    我的训练初步效果

  9. 使用python接口进行批量检测并保存测试结果和分割图片
    只需要将python接口中的文件路径替换成自己的，具体看github代码注释，代码传送门

    python darknet.py

    测试结果目录树类似以下。若出现模块报错等，则安装相应模块即可。

可能出现的问题

  1. 出现大量的-nan

    原因

    有三个可能

    1. 可能cfg文件的batch=1，subdivisions=1

    2. 可能batch太小了

    3. 训练的图片中没有遍布大中小三个层

    解决方案

    1. 修改成Training状态的参数batch=64, subdicisions=16

    1. 在显存允许的情况下，增加batch

    2. 第三种情况属于正常，因为YOLOv3从三个scale上提取了特征，且不同尺度选取了不同尺度的的检测框，比如你在训练小目标，那么region82和region94出现nan就正常。

  2. CUDA: out of memory

    darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

    原因：显存不够

    解决方案：关闭random，如果还是不行，可以适当调小batch（32或者16）

  3. 训练了很多次itertation，但是还是什么都没有检测出来？

    原因

    1. 检测的时候需要batch和sub不是1 ；

    2. 如果调低thresh后还没有出现bbox，那么就是训练的时候可能batch和sub都是1，这样训练的模 型几乎不能用

    解决方案

    1. 测试的时候.cfg文件中令 (batch=1,subdivisions=1)；
    2. ​训练的时候将.cfg文件修改成（batch=64, subdicisions=16)

  4. cfg修改问题？

    darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed

    原因：filters修改错误，没有对上classes；

    解决方案：修改filters

    YOLOv2: filters =（classes+5）x5

    YOLOv3: filters =（classes+5）x3

  5. can't open file :train.txt or can't load image ？

    Couldn't open file:/home/lzm/test_folder/darknet/car_person/labels/jam6_0116.txt

    原因：一般来说是train.txt的文件格式问题；

    解决方案：把train.txt的换行格式修改成unix换行格式，另外图片路径要正确，参考博文

  6. Segmentation fault (core dumped)，训练几百次intertation后分段错误
    原因

    1. 开了尺度训练即cfg中random=1，显存不足;
    2. 标注的box里面出现x,y=0的情况;

    解决方案

    1. 关闭尺度训练，random=0;

    2. 修改坐标让x,y>0; 参考issue

  7. detector recall的时候出现大量nan

    原因：detector.c代码中的bug，k的最大值必须由nbox确定，而不是

    解决方案：修改examples/detector.c的代码，修改参考

  8. 为了批量检测图片，修改detector.c后，编译出现问题

    error: too few arguments to function ‘show_image’
show_image(im, "predictions");


    原因：show_image函数少了一个参数，有些代码是比较旧的。

    解决方案：修改报错的那一行

    show_image(im, "predictions");
改成
show_image(im, "predictions"，0);

  9. 为了批量检测图片，修改detector.c后，编译出现问题

    error: ‘CV_WINDOW_NORMAL’ undeclared (first use in this function)
cvNamedWindow("predictions", CV_WINDOW_NORMAL);


    原因：原因链接，darknet.h还少了opencv的一个头文件，#include <opencv2/highgui/highgui.hpp>

    解决方案：在报错的程序中加上即可

    #include "darknet.h"
#include <opencv2/highgui/highgui.hpp>

  10. 使用txt2xml.py生成xml时候的问题

    问题issue

'encoding' is an invalid keyword argument for this function

原因：在Python 2中，open（）函数不带编码参数（第三个参数是缓冲选项）

解决方法：有两种

  1. import io

    open改成 io.open

  2. 使用python3

References

posted @ 2019-04-05 02:55  路明  阅读(15507)  评论(3)  编辑  收藏  举报