怎么做php网站,中国能源建设集团有限公司是央企,南京制作网页培训学校,电子商务网店运营推广YOLO9000是YOLO的第三个版本。前两个版本是YOLO v1#xff0c;YOLO v2#xff0c;在CVPR2017的文章《Better,Faster,Stronger》中的前半部分都是对前两个版本的介绍#xff0c;新的内容主要在Stronger部分。YOLO9000中的9000指的是YOLO可以对超过9000种图像进行分类。
Bett…YOLO9000是YOLO的第三个版本。前两个版本是YOLO v1YOLO v2在CVPR2017的文章《Better,Faster,Stronger》中的前半部分都是对前两个版本的介绍新的内容主要在Stronger部分。YOLO9000中的9000指的是YOLO可以对超过9000种图像进行分类。
Better
使用Batch normalization有利于收敛和正则化甚至可以从网络中移除dropout。Batch normalization实质是对数据归一化处理。使每批数据发布相同最好是独立同分布这样神经网络才能更好地学习。
High Resolution Classifier
大多数算法使用在ImageNet上预训练pre-trained的分类器。大多数使用AlexNet模型的分类器工作在分辨率小于256x256的图片上。初始版本的YOLO先在224x224大小的图像上训练分类器网络然后再将分辨率提升到448x448这意味着网络必须在检测的时候重新根据分辨率调整。在YOLOv2中对分类网络就开始在10 epochs内使用448x448的图像对网络训练这样滤波器就有时间调整参数。在检测阶段再在此基础上进行优化。
Convolutional with Anchor Boxes
YOLOv1是直接从全连接层中预测the coordinates of bounding boxes。而Faster R-CNN中的RPN只使用卷积层就预测了offsets 偏移and confidences置信度 for anchor boxes.再加上手动选择的先验hand-picked priors就可以预测bounding boxes。所以作者就去掉了YOLO的全连接层并使用anchor boxes来预测bounding boxes。去掉一层池化层使得输出的分辨率更高。把448x448的分辨率再调整为416x416这次分辨率降低了为的是输出得到的特征图feature map的网格是奇数确保目标物体只对应在单一的方格内。下采样比例是32时输出特征图尺寸就是13x13.
对于anchor boxes还进行了解耦decouple。 对于每一个位置预测两个box的情况解耦后对每一个预测的box都包含了位置信息5个参数一个置信度四个坐标信息对一个box都给出了分类的条件概率假设方框内有物体而解耦前只给了该位置的条件概率这就是解耦的出处条件概率不与空间位置有关而与box有关。 YOLOv1划分成7x7的网络每一个网格预测两个box所以每一幅图预测7x7x298个box而使用anchor boxes之后可以预测1000多个box。
Dimension Clusters
K-means聚类方法自动选择先验的box的尺寸。K取值为5平衡了复杂度和高recall将欧式距离改为一个新的衡量标准使得box的尺寸和IOU无关。
Direct location prediction
在YOLO中使用anchor boxes会在早期迭代中遇到不稳定的问题。任意box可能终止在图像的任意位置。所以不再预测offsets又不预测偏移量了改而预测相对于grid cell的相对位置坐标。这就要求预测的ground truth限制在0,1可以通过logistic activation达到这个要求。
对于刚才的疑问我的理解是这样的对于box的长和宽是由相对于cluster centroids的offsets预测的而对于box的中心坐标是通过sigmoid函数预测相对于滤波器的坐标实现的。
Fine-Grained Features
简单添加一个 passthrough layer把浅层特征图分辨率为26*26连接到深层特征图。
passthroughlaye把高低分辨率的特征图做连结叠加相邻特征到不同通道而非空间位置类似于Resnet中的identity mappings。
Multi-ScaleTraining
为了让YOLOv2对不同尺寸图片的具有鲁棒性每经过10批训练10 batches就会随机选择新的图片尺寸。网络使用的降采样参数为32于是使用32的倍数{320,352…608}最小的尺寸为320*320最大的尺寸为608*608。 调整网络到相应维度然后继续进行训练。
Faster
大多数检测框架使用的是VGG-16但是计算量大对于224x224大小的图像传输一次需要30.69billion次浮点运算。YOLO使用了Googlenet需要8.52billion次运算速度更快但是准确度降低。作者提出了一种新的分类模型Darknet-19. Darknet-19借鉴了VGG中的3x3滤波器和double池化层之后的通道数。借鉴了NIN中的全局平均池化global average pooling以坐预测借鉴了NIN中的1x1滤波器压缩3x3卷积之间的特征表示。Darknet-19有19个卷积层和5个最大池化层maxpooling layers模型的细节每层的尺寸可以可以从表6中看到。Darknet-19只进行5.58billion次运算。 有了模型就要使用样本数据进行训练。对于分类使用的数据集是ImageNet 1000学习方法是随机梯度下降训练时长是160epochs。训练过程中还使用了数据增强。正如前文提到的初始训练在224x224的图像上然后再在448x448的图像上作调整调整时间为10epochs并且学习率也做了调整。
对于训练检测去掉原网络最后一个卷积层增加了三个 3 *3 1024 filters的卷积层并且在每一个卷积层后面跟一个1*1的卷积层输出维度是检测所需数量。训练的数据集是VOC预测5种boxes每个box包含5个坐标值和20个类别所以总共是5*520 125个输出维度。在最终的3x3x512层到倒数第二second to last卷积层之间加了passthrough使得模型有了细粒度特征。除了在VOC上训练还在COCO上进行训练具体的策略见论文。
Stronger
这个Stronger指的是YOLOv3可以检测更多的物体。将带box信息的检测数据集用来学习预测box和目标信息利用只包含类别标签的分类数据集用来扩展分类的能力。区别在于反向传播的函数是全部包含还是只包含分类部分。
分类数据集如ImageNet的标签分类信息更详细对dog就有不同的品种。所以为了将检测和分类数据集的类别信息融合起来需要建立一个层次式的结构基于图graph结构WordNet改动得到这就是WordTree。WordTree是由WordNet而来的先添加那些在wordNet中离根结点更近的点这样使得WordTree增长得尽可能慢。这样每一层之间是同义词不同层之间的关系可以用条件概率表示。沿着的根结点的路径条件概率的相乘就可以得到绝对概率。
我们ImageNet中的1000个类别按照这种方法构建成WordTree因为还有一些中间结点所以最终的类别数是1369.训练时会将当前标签及其直至根结点的所有标签都传播。这样会预测出一个1369长度的向量在判决时对同一组语义下的互斥关系的词条使用softmax而不是对所有词语使用softmax。 这仅仅是验证说明这种联合数据集的方法是可行的于是作者将ImageNet中的前9000个类别和COCO检测数据集联合起来为了评估我们使用的方法也从ImageNet detection challenge 中向整合数据集添加一些还没有存在于整合数据集的类别。相应的WordTree有9418个类别。由于ImageNet是一个非常大的数据集所以通过oversampling COCO数据集来保持平衡使ImageNetCOCO 41。使用COCO来学习检测使用ImageNet学习到更多的类别。
学习好之后在ImageNet detection task上评估。ImageNet detection task与COCO有44个类别是相同的说明测试数据大部分只有分类数据没有检测数据。
翻译参考
https://blog.csdn.net/shadow_guo/article/details/54598458
https://blog.csdn.net/yudiemiaomiao/article/details/72636776
Demo
第一步是安装网络模型Darknet为了支持更多的图片类型可以安装OpenCV为了使用GPU可以安装CUDA。但是作者网站给出的是Mac上的Linux版本。这是同时支持windows的版本https://github.com/AlexeyAB/darknet 这个repository forked from pjreddie/darknet新支持了Windows提升了各种性能针对GPU等做了许多优化。
解压后的路径build\darknet\x64\ 文件夹下面是一些cmd文件用于初始化模型和展示一些检测后的样例。这些cmd文件的运行需要darknet.exe文件所以第一步还是重新编译文件。
如果有GPU要安装CUDACUDNN并注意路径问题就行了。我的电脑不支持CUDA所以直接编译sln文件build\darknet\darknet_no_gpu.sln, set x64 and Release, and do the: Build - Build darknet_no_gpu。但是我的vs版本也不是官方要求的vs2015报错error MSB8020: The build tools for v140 (Platform Toolset v140) cannot be found这是因为原来的程序运行在vs2015上而现在我们需要运行在vs2013上解决办法是把项目的属性中的平台工具集改为vs2013 即便这样因为官方首先推荐的OpenCV版本是3.0版本而自己使用的是OpenCV2.4.13,其实即便是OpenCV3.0路径也不会和工程文件一样所以依然要更改工程属性添加附加包含目录修改附加库目录。
4.1 (right click on project) - properties - C/C - General - Additional Include Directories: C:\opencv_2.4.13\opencv\build\include
4.2 (right click on project) - properties - Linker - General - Additional Library Directories: C:\opencv_2.4.13\opencv\build\x64\vc14\lib
注意这里4.2中的vc14是和vs2015对应的。当我们vs是2013的时候这里选择vc12实际上OpenCV2.4.13默认只有vc12要想支持其他编译器一般要使用cmake重新构建。
这时候会出现很多错误需要一个个排查。错误信息淹没在大量的warning信息中可以在视图view中直接查看错误列表error list。 这是我的错误不知道到底哪里出错了。在整个solution中搜索这个函数好像没有被使用到直接注释掉就编译通过了。
但最好还是研究一下代码。前缀0BBinary或者0b表示 二进制
双目运算符按位与保留某些位同时对某些位清零。A000111100对1对应的部分保留0对应的部分会被清0.这里的代码中n与二进制的1111作按位与不清楚目的是什么而且会报错将0b1111改为0xf即编译通过。
参考overflow的解答这段代码的目的是将一个字节的比特倒序输出。大致思想是将8bit分成高低高部分每部分4bit借助looup表将高低4bit倒序后再交换。
这样编译通过。darknet\build\darknet\x64文件夹下出现了darknet_no_gpu.exe这是因为我选择的是无GPU的版本如果是标准版本应该是darknet.exe。这只是表明我们已经得到了这个模型但是还没有开始训练。YOLOv3和v2其实模型没有改变区别只是v3使用了联合数据集进行了训练。所以接下来如何训练才是v2和v3的区别。
有了exe文件同时有了config file for YOLO in the cfg我们可以直接使用作者训练好的网络权重下载yolov3.weights
链接1百度云链接https://pan.baidu.com/s/1OsuaURd2jjA9_fX50w651g 密码chmq
连接2官网https://pjreddie.com/media/files/yolov3.weights
注在Linux上安装网络模型安装训练好的参数运行检测器都可以分别通过一行命令实现。而在Windows中需要借助exe文件和cmd命令。
使用命令行可以一次监测一张图像也可以不断输入图像路径监测多张图像还可以检测来自网页的视频webcam如YouTube需要compile Darknet with CUDA and OpenCV。YOLo默认显示置信度高于0.25的目标当然可以自己更改这个阈值。对于一些有限制的环境YOLO提供了Tiny YOLOv3需要重新下载weights将下载的weights放到x64文件夹下。
打开cmd切换到E:\vscode\darknet-master(1)\darknet-master\build\darknet\x64路径
输入cmd命令darknet_no_gpu.exe detector test data\coco.data yolov3.cfg yolov3.weights
输入测试图像路径E:\vscode\darknet-master(1)\darknet-master\build\darknet\x64\data\horses.jpg 终于得到了这幅经典的分类检测结果图。但是这是使用了作者预先训练好的网络简单做了一个test。到自己训练自己建立模型还有很长的路要走。
つづく
Reference:
https://blog.csdn.net/amusi1994/article/details/80261735?fromsinglemessage
