人工智能YOLOV2圖像識(shí)別實(shí)驗(yàn)報(bào)告

1、第一章前言部分課程項(xiàng)目背景與意義課程項(xiàng)目背景視覺是各個(gè)應(yīng)用領(lǐng)域，如制造業(yè)、檢驗(yàn)、文檔分析、醫(yī)療診斷，和軍事等領(lǐng)域中各種智能/自主系統(tǒng)中不可分割的一部分。由于它的重要性，一些先進(jìn)國家，例如美國把對(duì)計(jì)算機(jī)視覺的研究列為對(duì)經(jīng)濟(jì)和科學(xué)有廣泛影響的科學(xué)和工程中的重大基本問題，即所謂的重大挑戰(zhàn)。計(jì)算機(jī)視覺的挑戰(zhàn)是要為計(jì)算機(jī)和機(jī)器人開發(fā)具有與人類水平相當(dāng)?shù)囊曈X能力。機(jī)器視覺需要圖象信號(hào)，紋理和顏色建模，幾何處理和推理，以及物體建模。一個(gè)有能力的視覺系統(tǒng)應(yīng)該把所有這些處理都緊密地集成在一起。作為一門學(xué)科，計(jì)算機(jī)視覺開始于60年代初，但在計(jì)算機(jī)視覺的基本研究中的許多重要進(jìn)展是在80年代取得的。計(jì)算機(jī)視覺與人類視

2、覺密切相關(guān)，對(duì)人類視覺有一個(gè)正確的認(rèn)識(shí)將對(duì)計(jì)算機(jī)視覺的研究非常有益。計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說，就是是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。作為一個(gè)科學(xué)學(xué)科，計(jì)算機(jī)視覺研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取信息的人工智能系統(tǒng)。這里所指的信息指Shannon定義的，可以用來幫助做一個(gè)“決定”的信息。因?yàn)楦兄梢钥醋魇菑母泄傩盘?hào)中提取信息，所以計(jì)算機(jī)視覺也可以看作是研究如何使人工系統(tǒng)從圖像或多維數(shù)據(jù)中“感知”的科學(xué)。科學(xué)技術(shù)的發(fā)展是推動(dòng)人類社會(huì)進(jìn)步的主要

3、原因之一,未來社會(huì)進(jìn)一步地朝著科技化、信息化、智能化的方向前進(jìn)。在信息大爆炸的今天,充分利用這些信息將有助于社會(huì)的現(xiàn)代化建設(shè),這其中圖像信息是目前人們生活中最常見的信息。利用這些圖像信息的一種重要方法就是圖像目標(biāo)定位識(shí)別技術(shù)。不管是視頻監(jiān)控領(lǐng)域還是虛擬現(xiàn)實(shí)技術(shù)等都對(duì)圖像的識(shí)別有著極大的需求。一般的圖像目標(biāo)定位識(shí)別系統(tǒng)包括圖像分割、目標(biāo)關(guān)鍵特征提取、目標(biāo)類別分類三個(gè)步驟。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)的概念由Hinton等人于2006年提出?；谏疃?/p>

4、置信網(wǎng)絡(luò)提出非監(jiān)督貪心逐層訓(xùn)練算法，為解決深層結(jié)構(gòu)相關(guān)優(yōu)優(yōu)化難題帶來希望，隨后提出多層自動(dòng)編碼器深層結(jié)構(gòu)。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡(luò)是第一個(gè)真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一個(gè)新的研究領(lǐng)域，通過深度學(xué)習(xí)的方法構(gòu)建深度網(wǎng)絡(luò)來抽取特征是目前目標(biāo)和行為識(shí)別中得到關(guān)注的研究方向，引起更多計(jì)算機(jī)視覺領(lǐng)域研究者對(duì)深度學(xué)習(xí)進(jìn)行探索和討論，并推動(dòng)了目標(biāo)和行為識(shí)別的研究，推動(dòng)了深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展?；谶@個(gè)發(fā)展趨勢(shì)，我們小組選擇了基于回歸方法的深度學(xué)習(xí)目標(biāo)識(shí)別算法YOLO勺研究。課程項(xiàng)目研究的意義眾所周知，當(dāng)前是信息時(shí)代，信息

5、的獲得、加工、處理以及應(yīng)用都有了飛躍發(fā)展。人們認(rèn)識(shí)世界的重要知識(shí)來源就是圖像信息，在很多場(chǎng)合，圖像所傳送的信息比其他形式的信息更豐富、真切和具體。人眼與大腦的協(xié)作使得人們可以獲取、處理以及理解視覺信息，人類利用視覺感知外界環(huán)境信息的效率很高。事實(shí)上，據(jù)一些國外學(xué)者所做的統(tǒng)計(jì)，人類所獲得外界信息有80%左右是來自眼睛攝取的圖像。由此可見，視覺作為人類獲取外界信息的主要載體，計(jì)算機(jī)要實(shí)現(xiàn)智能化，就必須能夠處理圖像信息。尤其是近年來，以圖形、圖像、視頻等大容量為特征的圖像數(shù)據(jù)處理廣泛應(yīng)用于醫(yī)學(xué)、交通、工業(yè)自動(dòng)化等領(lǐng)域。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。觀測(cè)值（例如一幅圖像）可以使

6、用多種方式來表示，如每個(gè)像素強(qiáng)度值的向量，或者更抽象地表示成一系列邊、特定形狀的區(qū)域等。而使用某些特定的表示方法更容易從實(shí)例中學(xué)習(xí)任務(wù)（例如，人臉識(shí)別或面部表情識(shí)別）。深度學(xué)習(xí)的好處是用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取高效算法來替代手工獲取特征。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。目標(biāo)檢測(cè)對(duì)于人來說是再簡單不過的任務(wù)，但是對(duì)于計(jì)算機(jī)來說，它看到的是一些值為0255的數(shù)組，因而很難直接得到圖像中有人或者貓這種高層語義概念，也不清楚目標(biāo)出現(xiàn)在圖像中哪個(gè)區(qū)域。圖像中的目標(biāo)可能出現(xiàn)在任何位置

7、，目標(biāo)的形態(tài)可能存在各種各樣的變化，圖像的背景千差萬別，這些因素導(dǎo)致目標(biāo)檢測(cè)并不是一個(gè)容易解決的任務(wù)。這次課程項(xiàng)目，正是基于視覺、深度學(xué)習(xí)、目標(biāo)識(shí)別而進(jìn)行的，是一個(gè)熱度很高的話題。基于深度學(xué)習(xí)的目標(biāo)識(shí)別研究具有重大的意義，深度學(xué)習(xí)的目標(biāo)識(shí)別算法對(duì)于未來能夠使用目標(biāo)檢測(cè)和圖像識(shí)別的手段運(yùn)用于物聯(lián)網(wǎng)、智能設(shè)備、生物制藥經(jīng)濟(jì)調(diào)控等多領(lǐng)域有很大的作用。國內(nèi)外研究現(xiàn)狀機(jī)器學(xué)習(xí)是一門專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能的學(xué)科。機(jī)器能否像人類一樣能具有學(xué)習(xí)能力呢1959年美國的塞繆爾（Samuel）設(shè)計(jì)了一個(gè)下棋程序，這個(gè)程序具有學(xué)習(xí)

8、能力，它可以在不斷的對(duì)弈中改善自己的棋藝。4年后，這個(gè)程序戰(zhàn)勝了設(shè)計(jì)者本人。又過了3年，這個(gè)程序戰(zhàn)勝了美國一個(gè)保持8年之久的常勝不敗的冠軍。這個(gè)程序向人們展示了機(jī)器學(xué)習(xí)的能力，提出了許多令人深思的社會(huì)問題與哲學(xué)問題。深度學(xué)習(xí)最近幾年發(fā)展速度十分快，因此同時(shí)也推動(dòng)了目標(biāo)識(shí)別技術(shù)的發(fā)展，技術(shù)的革新總是相互影響的。目標(biāo)檢測(cè)是圖像處理和計(jì)算機(jī)視覺的一個(gè)重要分支，在理論和實(shí)踐上都有重大意義。近年來，隨著物聯(lián)網(wǎng)的高速發(fā)展與智能終端的廣泛普及，目標(biāo)檢測(cè)技術(shù)成了機(jī)器視覺領(lǐng)域的研究熱點(diǎn)，被國內(nèi)外學(xué)者廣泛關(guān)注。目標(biāo)檢測(cè)的研究主要包括了基于視頻圖像的目標(biāo)檢測(cè)和基于靜態(tài)圖片的目標(biāo)檢測(cè)。本文主要討論基于靜態(tài)圖片的目標(biāo)檢

9、測(cè)算法，即在靜態(tài)圖片中檢測(cè)并定位所設(shè)定種類的目標(biāo)?；陟o態(tài)圖片的目標(biāo)檢測(cè)的難點(diǎn)主要在于圖片中的目標(biāo)會(huì)因光照、視角以及目標(biāo)內(nèi)部等變化而產(chǎn)生變化。針對(duì)以上的難點(diǎn)，國內(nèi)外學(xué)者進(jìn)行了很多嘗試。目前提出的方法主要分為基于形狀輪廓的目標(biāo)檢測(cè)算法和基于目標(biāo)特征的檢測(cè)方法。計(jì)算機(jī)視覺是指用計(jì)算機(jī)實(shí)現(xiàn)人的視覺功能，它的研究目標(biāo)就是使計(jì)算機(jī)具有用過一幅或多幅圖像認(rèn)知周圍環(huán)境的能力（包括對(duì)客觀世界三維環(huán)境的感知、識(shí)別與理解)。運(yùn)動(dòng)目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺技術(shù)的一個(gè)分支，就是對(duì)視場(chǎng)內(nèi)的運(yùn)動(dòng)目標(biāo)，如人或交通工具，進(jìn)行實(shí)時(shí)的觀測(cè)，并將其分類，然后分析他們的行為。目前，國際上許多高校和研究所，如麻省理工學(xué)學(xué)院、牛津大學(xué)等都專

10、門設(shè)立了針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的研究組或者研究實(shí)驗(yàn)室。美英等國家已經(jīng)研究了大量的相關(guān)項(xiàng)目。一些著名公司和研究機(jī)構(gòu)，如IBM、Microsoft、麻省理工學(xué)院等近幾年來投入了大量的人力物力來進(jìn)行智能監(jiān)控系統(tǒng)的研究，部分成果已經(jīng)轉(zhuǎn)化為產(chǎn)品投入了市場(chǎng)。目前在國內(nèi)的研究機(jī)構(gòu)中，中國科學(xué)院北京自動(dòng)化研究所下屬的模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室視覺監(jiān)控研究處于領(lǐng)先地位。他們?cè)诮煌▓?chǎng)景視覺監(jiān)控、人的運(yùn)動(dòng)視覺監(jiān)控和行為模式識(shí)別方面進(jìn)行了深入研究。另外他們也總結(jié)了英國雷丁大學(xué)VIEWS勺車輛交通監(jiān)控原型系統(tǒng)的研究經(jīng)驗(yàn)，在之前的理論研究的基礎(chǔ)上，自行設(shè)計(jì)并初步實(shí)現(xiàn)了一個(gè)擁有完全自主知識(shí)產(chǎn)權(quán)的交通監(jiān)控原型系統(tǒng)vstart(Visu

11、alsurveillancestar)。國內(nèi)其他高校如上海交通大學(xué)、北京航空航天大學(xué)也對(duì)這方面進(jìn)行了研究。盡管這樣，目前在運(yùn)動(dòng)目標(biāo)檢測(cè)和視覺監(jiān)控這方面仍然存在著許多不足：目前國內(nèi)市場(chǎng)上所見到的大部分智能監(jiān)控產(chǎn)品來源于國外，性能和可靠性不夠，并且維護(hù)和安裝問題需要外方全方位參加，給國家安全帶來了巨大的隱患。目標(biāo)之間互遮擋和人體自遮擋問題，尤其是在擁擠狀態(tài)下，多人的檢測(cè)更是難處理。本論文結(jié)構(gòu)本文是基于回歸方法的深度學(xué)習(xí)目標(biāo)識(shí)別算法YOLO勺研究。第一章：前言。主要介紹課程項(xiàng)目背景與意義、國內(nèi)外研究的現(xiàn)狀，以及本論文的結(jié)構(gòu)。第二章：使用工具介紹及安裝。包括CentOS系統(tǒng)、OpenCVE具、CUDA

12、T發(fā)環(huán)境、環(huán)境的搭建。第三章：YOLOJ法簡介。包括YOLOJ法特點(diǎn)、核心思想和實(shí)現(xiàn)方法、以及YOLO的創(chuàng)新。第四章：訓(xùn)練數(shù)據(jù)采集與制作。包括訓(xùn)練數(shù)據(jù)的采集、訓(xùn)練數(shù)據(jù)的制作。第五章：訓(xùn)練配置、訓(xùn)練及測(cè)試訓(xùn)練效果。包括具體的訓(xùn)練配置、訓(xùn)練過程和測(cè)試訓(xùn)練效果。第六章：總結(jié)。包含對(duì)本次課程項(xiàng)目實(shí)踐過程的感想與收獲，以及對(duì)未來的展望。第二章使用工具介紹及安裝CentOS系統(tǒng)CentOS(CommunityENTerpriseOperatingSystem)是Linux發(fā)行版之一，它是來自于RedHatEnterpriseLinux依照開放源代碼規(guī)定釋出的源代碼所編譯而成。由于出自同樣的源代碼，因此有些

13、要求高度穩(wěn)定性的服務(wù)器以CentOS替代商業(yè)版的RedHatEnterpriseLinux使用。兩者的不同，在于CentOS并不包含封閉源代碼軟件。CentOS，我們有很多人叫它社區(qū)企業(yè)操作系統(tǒng)，不管怎么叫它，它都是linux的一個(gè)發(fā)行版本。CentOS并不是全新的linux發(fā)行版，在RedHat家族中有企業(yè)版的產(chǎn)品，它是RedHatEnterpriseLinux,CentOS是RHEU勺克隆版本，RHEL是很多企業(yè)采用的linux發(fā)行版本，需要向RedHat付費(fèi)才可以使用，并能得到付過費(fèi)用的服務(wù)和技術(shù)支持和版本升級(jí)。這個(gè)CentOS可以像REHL一樣的構(gòu)筑linux系統(tǒng)環(huán)境，但不需要向Red

14、Hat付任何的費(fèi)用，同樣也得不到任何有償技術(shù)支持和升級(jí)服務(wù)。CentOST很多特點(diǎn)：CentOS就是對(duì)RedHatAS進(jìn)行改進(jìn)后發(fā)布的，各種操作、使用和REDHA股有區(qū)別；CentOS完全免費(fèi)，不存在REDHATAS4!要序列號(hào)的問題；CentOS獨(dú)有的yum命令支持在線升級(jí)，可以即時(shí)更新系統(tǒng)，不像REDHATW羊需要花錢購買支持服務(wù)；CentOS修正了許多REDHATAS勺BUG基于開源的特性，Linux環(huán)境被很多技術(shù)人員和公司使用。Linux以它的高效性和靈活性著稱，Linux模塊化的設(shè)計(jì)結(jié)構(gòu)，使得它既能在價(jià)格昂貴的工作站上運(yùn)行，也能夠在廉價(jià)的PC機(jī)上實(shí)現(xiàn)全部的Unix特性，具有多任務(wù)、多

15、用戶的能力。我們這次的課程項(xiàng)目“基于深度學(xué)習(xí)的目標(biāo)識(shí)別研究”也是在Linux環(huán)境下完成的，因此本次項(xiàng)目實(shí)現(xiàn)使用的是CentOS系統(tǒng)。OpenCV工具OpenCV勺全稱是:OpenSourceComputerVisionLibrary。OpenCV!一個(gè)基于(開源)發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫，可以運(yùn)行在Linux、Windows和MacOS操作系統(tǒng)上。它輕量級(jí)而且高效，由一系列C函數(shù)和少量C+類構(gòu)成，同時(shí)提供了Python、RubyMATLA繇語言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。OpenCVB力于真實(shí)世界的實(shí)時(shí)應(yīng)用，通過優(yōu)化的C代碼的編寫對(duì)其執(zhí)行速度帶來了可觀的提升，并且可以

16、通過購買Intel的IPP高性能多媒體函數(shù)庫得到更快的處理速度。OpenCV是一個(gè)用于圖像處理、分析、機(jī)器視覺方面的開源函數(shù)庫。無論是做科學(xué)研究，還是商業(yè)應(yīng)用，OpenCV都是一個(gè)理想的工具庫。因?yàn)?，?duì)于這兩者，它完全是免費(fèi)的。該庫采用C及C+郵言編寫，該庫的所有代碼都經(jīng)過優(yōu)化，計(jì)算效率很高，因?yàn)?，它更專注于設(shè)計(jì)成為一種用于實(shí)時(shí)系統(tǒng)的開源庫。OpenCV采用C語言進(jìn)行優(yōu)化，而且，在多核機(jī)器上面，具運(yùn)行速度會(huì)更快。它的一個(gè)目標(biāo)是提供友好的機(jī)器視覺接口函數(shù)，從而使得復(fù)雜的機(jī)器視覺產(chǎn)品可以加速面世。該庫包含了橫跨工業(yè)產(chǎn)品檢測(cè)、醫(yī)學(xué)圖像處理、安防、用戶界面、攝像頭標(biāo)定、三維成像、機(jī)器視覺等領(lǐng)域的超過5

17、00個(gè)接口函數(shù)。同時(shí)，由于計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)密不可分，該庫也包含了比較常用的一些機(jī)器學(xué)習(xí)算法。圖像識(shí)別、機(jī)器視覺在安防領(lǐng)域有所應(yīng)用。并且在航拍圖片、街道圖片中，也要依賴于機(jī)器視覺的攝像頭標(biāo)定、圖像融合等技術(shù)。近年來，在入侵檢測(cè)、特定目標(biāo)跟蹤、目標(biāo)檢測(cè)、人臉檢測(cè)、人臉識(shí)別、人臉跟蹤等領(lǐng)域，OpenCV的應(yīng)用及其廣泛，而這些，僅僅是其應(yīng)用的冰山一角。一個(gè)典型的計(jì)算機(jī)視覺算法，應(yīng)該包含以下一些步驟：(1)數(shù)據(jù)獲取(對(duì)OpenC原說，就是圖片)；(2) 預(yù)處理；(3) 特征提?。?4) 特征選擇；(5) 分類器設(shè)計(jì)與訓(xùn)練；(6) 分類判別；而OpenCVT具對(duì)這六個(gè)部分,分別提供了API。CUDA開

18、發(fā)環(huán)境隨著顯卡的發(fā)展，GPUffi來越強(qiáng)大，而且GPlfe顯示圖像做了優(yōu)化。在計(jì)算上已經(jīng)超越了通用的CPU如此強(qiáng)大的芯片如果只是作為顯卡就太浪費(fèi)了，因此NVidia推出CUDA!算平臺(tái)，CUD/®PComputeUnifiedDeviceArchitecture,是NVidia利用GPU¥臺(tái)進(jìn)行通用并行計(jì)算的一種架構(gòu)，該架構(gòu)使GPUfg夠解決復(fù)雜的計(jì)算問題，它包含了CUDA旨令集架構(gòu)（ISA）以及GPlft部的并行計(jì)算引擎。開發(fā)人員可以利用C語言、OpenCLFortran、C+等為CUD即構(gòu)編寫程序。（1） CUDM系架構(gòu)CUDA體系架構(gòu)由兩部分組成，分別是流處理器陣列（

19、SPA和存儲(chǔ)器系統(tǒng)。流處理陣列（SPA的結(jié)構(gòu)又分為兩層：TPC（線程處理器群）和SM（流多處理器）。GPU勺巨大計(jì)算能力來自于SPA中的大量計(jì)算單元。存儲(chǔ)器系統(tǒng)由幾個(gè)部分組成：存儲(chǔ)器控制器（MMC、固定功能的光柵操作單元（ROP以及二級(jí)紋理操作。（2） CUD軟行模型將CPU作為主機(jī)（Host）,而GPU作為協(xié)處理器（Coprocessor）或者設(shè)備（Device）,從而讓GPU運(yùn)行一些能夠被高度線程化的程序。在這個(gè)模型中，CPUfGPLB同工作，CPU責(zé)進(jìn)行邏輯性強(qiáng)的事務(wù)處理和審行計(jì)算，GPU理專注于執(zhí)行高度線程化的并行處理任務(wù)。一個(gè)完整的CUD雁序是由一系列的設(shè)備端kernel函數(shù)并行步驟

20、和主機(jī)端的用行處理步驟共同組成的。CUDA執(zhí)行模型如下圖：Grid（網(wǎng)格）運(yùn)行在SPAh;Block（線程塊）運(yùn)行在SMI±Thread（線程）運(yùn)行在SP上。GPUCPUCrid 1(0刈Sr>rMl C。*Bl e-en建0)B18 匕 (0.判BlgK n,11 i 12 UKzfmI2BFock(1,1)TL”中晚,由演,電-lhiu<皿卜觸】1皿HrLtrail心身Kernel不是一個(gè)完整的程序，而只是其中的一個(gè)關(guān)鍵并行計(jì)算步驟。Kernel以一個(gè)網(wǎng)格（Grid）的形式執(zhí)行，每個(gè)網(wǎng)格由若干個(gè)線程塊（block）組成，每一個(gè)線程塊又由若干個(gè)線程（thread）組成。

21、在CUDA的架構(gòu)下，一個(gè)程序分為兩個(gè)部份：Host端和Device端。Host端是指在CPU上執(zhí)行的部份，而Device端則是在顯示芯片（GPU上執(zhí)行的部份。Device端的程序又稱為"kernel"。通常Host端程序會(huì)將數(shù)據(jù)準(zhǔn)備好后，復(fù)制到顯卡的內(nèi)存中，再由顯示芯片執(zhí)行Device端程序，完成后再由Host端程序?qū)⒔Y(jié)果從顯卡的內(nèi)存中取回。由于CPU存取顯卡內(nèi)存時(shí)只能透過PCIExpress接口，因此速度較慢，因此不能經(jīng)常進(jìn)行這類動(dòng)作，以免降低效率。由于顯示芯片大量并行計(jì)算的特性，它處理一些問題的方式和一般CPU是不同的。主要的特點(diǎn)包括：（1）內(nèi)存存取latency（等待

22、時(shí)間）的問題：CPU通常使用cache來減少存取主內(nèi)存的次數(shù)，以避免內(nèi)存latency影響到執(zhí)行效率。顯示芯片則多半沒有cache（或很?。?，而利用并行化執(zhí)行的方式來隱藏內(nèi)存的latency（即當(dāng)?shù)谝粋€(gè)thread需要等待內(nèi)存讀取結(jié)果時(shí)，則開始執(zhí)行第二個(gè)thread,依此類推）。（2）分支指令的問題：CPU通常利用分支預(yù)測(cè)等方式來減少分支指令造成的流水線。顯示芯片則多半使用類似處理內(nèi)存latency的方式。不過，通常顯示芯片處理分支的效率會(huì)比較差。因此，最適合利用CUDA處理的問題，是可以大量并行化的問題，才能有效隱藏內(nèi)存的latency,并有效利用顯示芯片上的大量執(zhí)行單元。使用CUDA時(shí),同

23、時(shí)有上千個(gè)thread在執(zhí)行是很正常的。因此，如果不能大量并行化的問題，使用CUDA就沒辦法達(dá)到最好的效率了。在這個(gè)過程中，CPUS任的工作為控制GPIB行，調(diào)度分配任務(wù)，并能做一些簡單的計(jì)算，而大量需要并行計(jì)算的工作都交給GPU實(shí)現(xiàn)。另外需要注意的是，由于CPU存取顯存時(shí)只能通過PCI-Express接口，速度較慢，因此不能經(jīng)常進(jìn)行，以免降低效率。通?？梢栽诔绦蜷_始時(shí)將數(shù)據(jù)復(fù)制進(jìn)GPU顯存，然后在GPU內(nèi)進(jìn)行計(jì)算，直到獲得需要的數(shù)據(jù)，再將其復(fù)制到系統(tǒng)內(nèi)存中。環(huán)境的搭建一、項(xiàng)目源代碼下載與安裝1 .使用git把項(xiàng)目源代碼下載到本地gitclonepjreddie/darknet2 .進(jìn)入項(xiàng)目目

24、錄，編譯cddarknetmake二、項(xiàng)目目錄結(jié)構(gòu)編譯完成后，項(xiàng)目主要文件如下：darknet項(xiàng)目目錄Icfg配置文件存放目錄Idata數(shù)據(jù)存放目錄I-examplesC語言測(cè)試用例Iincludedarknet頭文件I-pythonPython測(cè)試用例I-scripts訓(xùn)練中用到的輔助腳本I-src項(xiàng)目源代碼I-darknet編譯后產(chǎn)生的darknet可執(zhí)行文件I1模塊配置文件II一模塊函數(shù)文件三、測(cè)試對(duì)象識(shí)別1 .下載官方提供的訓(xùn)練好的權(quán)重?cái)?shù)據(jù)wgetmedia/files/2 .測(cè)試識(shí)別對(duì)象：./darknetdetectcfg/data/在上述命令中，detect表示調(diào)用darknet

25、的對(duì)象識(shí)別功能，cfg/是配置文件，包含各層網(wǎng)絡(luò)的參數(shù)、要識(shí)別的物體種類數(shù)等，是上一步下載的權(quán)重?cái)?shù)據(jù)，data/是要進(jìn)行對(duì)象識(shí)別的照片，照片內(nèi)容如下圖:執(zhí)行命令：mydlocallhastdarknet$./darknetdetectcfg/yalo.cfgyolo.krtightidata/dog.jpglayerf lit e r5sizeinput0 conv323x3/1608 x 60S x a1, max2x2/2608 x 608 x 322 conv643x3/1304 x 304 x 323 max2x2/2304 X 304 x 644 coriv1283x3/1152 X

26、 152 X 645 conv64lxl/1152 x 152 x 12&6 C0HV1283x3/1152 X 152 X 647 max2x2/2152 x 152 工 128S conv2563x3/176 X 7S Ji 12R9 cpriv1281X1/176 X 76 X 256>606XG08X32>304X304*32304X3C-1X64>152X152X64>152X152X128>152X152X6。>152X152X12876X76X128>76X76X256>76X76X128output121111121/32

27、313132376 x76 x 128->76 k76 x25676 K76 X 256->38 K38 X25638 x38 x 256->38 x38 x51238 X雞 x 512 >38 k38 K25636 X38 X 256->38 X36 X5123B x33 x 512->38 k38 x25638 X38 x 256->38 K38 X51238 x38 x 512->19 x19 x51219 X19 x 512->19 K19 xlO2d>19X19x 512>19X19X102J>19X19K 51

28、219X19x 102i119K19K1O2-4>19N19x 1021>38X38X S419X19x 256>19X191024>19X19X 42519 tqriv5121 X1 /119K19 X102420 conv10243 x3 /119X19 x 51221 conv5121 X1 /119X19 X102422 conv10243 x3 /119黑19 x 51223 c*nv10243 3t3 /119X工9 X102424 conv10243 X3 /119翼19 X102425 route1626 conv641 X1 /138X38 x 512

29、27 rea rg/238黑38 x 6423 route27 2429 conv10243 x3 /119X19 X128030 conv4251 X1 /119*工9 X102431 dttect ion18 con* 1024 3 xLoading weights from yolo. weights. - . Done drta/dog. jpg: Predicted in 0. 350000 seconds, dag： 82玨 t ruck: 65%10conv2S63x11max2x12conv5123jc13conv2561x14cqriv5123X15conv2561x16co

30、riv5123x17max2xbicycle:85%上圖顯示檢測(cè)過程在秒內(nèi)完成，這是安裝完顯卡驅(qū)動(dòng)后運(yùn)行的結(jié)果，在安裝顯卡驅(qū)動(dòng)前，使用CPU!行圖像檢測(cè)，花費(fèi)時(shí)間大約為8秒。命令執(zhí)行完成后，將會(huì)把識(shí)別結(jié)果生成到，打開圖片如下圖所示：pr，diaii 白外樂 jpg尤，倬I ；WXW ：-66 消 57* 佛/ l凝.4 Kfj IOCS(5,象：I卵配Fl ¥*« 犯刑也 睹b(H常牌£S ； pradktnntip9u ：0震:F憎福關(guān)厘;相.，陽低文WA小士&A 4K0文件夷：四、訓(xùn)練環(huán)境安裝1 .使用YUMK裝OpenCVsudoyuminstall

31、opencv2 .安裝顯卡驅(qū)動(dòng)及其開發(fā)工具包CUDA安裝CUDM、須要有一個(gè)Nvidia的顯卡,本機(jī)的顯卡是GTX860MCUDAF載網(wǎng)址為：官方還提供了CUD岐裝過程所需的pdf文檔，仔細(xì)閱讀并按照其步驟安裝即可。此次安裝使用runfile安裝。首先檢測(cè)本機(jī)是否有Nvidia顯卡，執(zhí)行以下命令：lspci|grep-invidia有任何輸出說明本機(jī)有Nvidia顯卡，本機(jī)輸出結(jié)果如下：01:3Dcontroller:NVIDIACorporationGM107MGeForceGTX860M(reva2)接下來查看系統(tǒng)內(nèi)核版本:uname-m&&cat/etc/*release

32、該命令會(huì)顯示系統(tǒng)架構(gòu)以及內(nèi)核版本信息，本機(jī)主要的輸出信息如下:x8664CentOSLinuxrelease(Core)確認(rèn)編譯器gcc已經(jīng)安裝，該命令會(huì)打印gcc的版本，如果提示找不到命令則說明沒有安裝gcc：gcc-version安裝Kernel-header和kernel-devel,這兩個(gè)包的版本需要和本機(jī)的內(nèi)核版本一致，安裝命令如下：sudoyuminstallkernel-devel-$(uname-r)kernel-headers-$(uname-r)開始安裝cuda,本次實(shí)驗(yàn)使用的是runfile安裝。Nouveau是一個(gè)開源的3D驅(qū)動(dòng)，安裝Nvidia驅(qū)動(dòng)之前需要先將其關(guān)閉。

33、首先要把Nouveau加入黑名單，創(chuàng)建/etc/文件并寫入以下內(nèi)容：blacklistnouveauoptionsnouveaumodeset=0重新生成內(nèi)核initramfs:sudodracut-force重新啟動(dòng)計(jì)算機(jī)，在進(jìn)入登錄界面時(shí)，不要登錄，按下ALT+F2進(jìn)入命令提示符模式，使用root用戶登錄，然后使用init3命令進(jìn)入多用戶模式開始安裝Naidia驅(qū)動(dòng)。執(zhí)行以下命令開始安裝CUDA./安裝過程會(huì)提示是否安裝CUDA：具箱、CUDAU子等，此次試驗(yàn)中選擇安裝。最后將cuda加入到環(huán)境變量中、重啟，即完成安裝。將cude加入到環(huán)境變量：exportPATH=/usr/local/

34、bin$PATH:+:$PATH$LD_LIBRARY_PATH:+:$LD_LIBRARY_PATH3 .安裝完成OpenCq口CUDAI,需要修改YOLO勺Makefile文件并重新編譯。打開Makefile文件，將OPENCV=0為OPENCV=1將GPU=®fc為GPU=1并執(zhí)行make命令重新編譯。第三章YOLOT法原理YOLO算法簡介基于深度學(xué)習(xí)方法的一個(gè)特點(diǎn)就是實(shí)現(xiàn)端到端的檢測(cè)。相對(duì)于其它目標(biāo)檢測(cè)與識(shí)別方法(比如FastR-CNN)將目標(biāo)識(shí)別任務(wù)分類目標(biāo)區(qū)域預(yù)測(cè)和類別預(yù)測(cè)等多個(gè)流程，YOLO等目標(biāo)區(qū)域預(yù)測(cè)和目標(biāo)類別預(yù)測(cè)整合于單個(gè)神經(jīng)網(wǎng)絡(luò)模型中，實(shí)現(xiàn)在準(zhǔn)確率較高的情況下快

35、速目標(biāo)檢測(cè)與識(shí)別，更加適合現(xiàn)場(chǎng)應(yīng)用環(huán)境。YOLO為一種新的目標(biāo)檢測(cè)方法，該方法的特點(diǎn)是實(shí)現(xiàn)快速檢測(cè)的同時(shí)還達(dá)到較高的準(zhǔn)確率。作者將目標(biāo)檢測(cè)任務(wù)看作目標(biāo)區(qū)域預(yù)測(cè)和類別預(yù)測(cè)的回歸問題。該方法采用單個(gè)神經(jīng)網(wǎng)絡(luò)直接預(yù)測(cè)物品邊界和類別概率，實(shí)現(xiàn)端到端的物品檢測(cè)。同時(shí)，該方法檢測(cè)速非?？?，基礎(chǔ)版可以達(dá)到45幀/s的實(shí)時(shí)檢測(cè)；FastYOLO可以達(dá)到155幀/s。與當(dāng)前最好系統(tǒng)相比，YOLO目標(biāo)區(qū)域定位誤差更大，但是背景預(yù)測(cè)的假陽性優(yōu)于當(dāng)前最好的方法。人類視覺系統(tǒng)快速且精準(zhǔn)，只需看一眼即可識(shí)別圖像中物品及其位置。傳統(tǒng)目標(biāo)檢測(cè)系統(tǒng)采用deformablepartsmodels(DPM)方法，通過滑動(dòng)框方法提出

36、目標(biāo)區(qū)域，然后采用分類器來實(shí)現(xiàn)識(shí)別。近期的R-CNN類方法采用regionproposalmethods,首先生成潛在的boundingboxes,然后采用分類器識(shí)另U這些boundingboxes區(qū)域。最后通過post-processing來去除重復(fù)boundingboxes來進(jìn)行優(yōu)化。這類方法流程復(fù)雜，存在速度慢和訓(xùn)練困難的問題。而YOLOJ法將目標(biāo)檢測(cè)問題轉(zhuǎn)換為直接從圖像中提取boundingboxes和類別概率的單個(gè)回歸問題，只需一眼即可檢測(cè)目標(biāo)類別和位置。YOLO方法特點(diǎn)YOLOS用單個(gè)卷積神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)多個(gè)boundingboxes和類別概率，如圖所工 tun fcnfvoluHo

37、ncl nerwart.3. Nocjnan suppmacn.本方法相對(duì)于傳統(tǒng)方法有如下優(yōu)點(diǎn)：(1)速度非?？臁OLO1測(cè)流程簡單，速度很快?；A(chǔ)版在TitanXGPU上可以達(dá)到45幀/s;快速版可以達(dá)到150幀/s。因此，YOLOT以實(shí)現(xiàn)實(shí)時(shí)檢測(cè)。(2) YOLO采用全圖信息來進(jìn)行預(yù)測(cè)。與滑動(dòng)窗口方法和regionproposal-based方法不同，YOLOS訓(xùn)練和預(yù)測(cè)過程中可以利用全圖信息。FastR-CNN僉測(cè)方法會(huì)錯(cuò)誤的將背景中的斑塊檢測(cè)為目標(biāo)，原因在于FastR-CNN在檢測(cè)中無法看到全局圖像。相對(duì)于FastR-CNN,YOLOT景預(yù)測(cè)錯(cuò)誤率低一半。(3) YOLOT以學(xué)習(xí)到目

38、標(biāo)的概括信息，具有一定普適性。采用自然圖片訓(xùn)練YOLO采用藝術(shù)圖像來預(yù)測(cè)。YOLQ匕其它目標(biāo)才測(cè)方法(DPMf口R-CNN準(zhǔn)確率圖很多。本方法有如下缺點(diǎn)：(1) YOLO對(duì)相互靠的很近的物體，還有很小的群體檢測(cè)效果不好，這是因?yàn)橐粋€(gè)網(wǎng)格中只預(yù)測(cè)了兩個(gè)框，并且只屬于一類。(2)對(duì)測(cè)試圖像中，同一類物體出現(xiàn)的新的不常見的長寬比和其他情況是。泛化能力偏弱。(3)由于損失函數(shù)的問題，定位誤差是影響檢測(cè)效果的主要原因。尤其是大小物體的處理上，還有待加強(qiáng)YOLO的核心思想和實(shí)現(xiàn)方法1 .YOLO的核心思想YOLO的核心思想就是利用整張圖作為網(wǎng)絡(luò)的輸入，直接在輸出層回歸boundingbox的位置和boun

39、dingbox所屬的類別。2 .YOLO的實(shí)現(xiàn)方法YOLO勺實(shí)現(xiàn)過程圖解和方法如下:Th* Ima94And bervndGg bciHl g49 N 44SDivide Th* I ma 94出 (1 7 JI 7 -Jrtd &毋蒙14grid cells t>m«d <m IhHrir cvnilvn.Troin Th* NtlorkTo fndid M gM 川 ckru and boumdif box coordlrealB-s.(1)將一幅圖像分成SxS個(gè)網(wǎng)格(gridcell),如果某個(gè)目標(biāo)的中心落在這個(gè)網(wǎng)格中，則這個(gè)網(wǎng)格就負(fù)責(zé)預(yù)測(cè)這個(gè)目標(biāo)。(2)每

40、個(gè)網(wǎng)格要預(yù)測(cè)B個(gè)boundingbox,每個(gè)boundingbox除了要回歸自身的位置之外，還要附帶預(yù)測(cè)一個(gè)confidence值，這個(gè)confidence代表了所預(yù)測(cè)的box中含有目標(biāo)的置信度和這個(gè)box預(yù)測(cè)的有多準(zhǔn)兩重信息，其值是這樣計(jì)算的：Pr(目標(biāo))lOUpueh(其中如果有目標(biāo)落在一個(gè)gridcell里，第一項(xiàng)取1,否則取0。第二項(xiàng)是預(yù)測(cè)的boundingbox和實(shí)際的groundtruth之間的IOU值)。(3)每個(gè)boundingbox要預(yù)測(cè)(x,y,w,h)和confidence共5個(gè)值，每個(gè)網(wǎng)格還要預(yù)測(cè)一個(gè)類別信息，記為C類。則SxS個(gè)網(wǎng)格，每個(gè)網(wǎng)格要預(yù)測(cè)B個(gè)bounding

41、box,還要預(yù)測(cè)C個(gè)categories。輸出就是SxSx(5*B+C)的一個(gè)tensor。(注意：class信息是針對(duì)每個(gè)網(wǎng)格的，confidence信息是針對(duì)每個(gè)boundingbox的)。舉例說明：在PASCALVOC,圖像輸入為448x448,取S=7,B=2,一共有20個(gè)類別(C=20)。則輸出就是7x7x30的一個(gè)tensor整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：Con. LeytrJQxpoel la>«rCotw. Layer Cm*, layers 3峭八健birii2aManp»l loyarSxSxlSd2x2+21x1x2543a3k5I2M*poq| 加2

42、+2Cony. La'+rM Co, layers. Cnnv.如評(píng)巾Co<in. Lay¥r Ctwin. Layer1mU254 1x41Mx5131x?3*3x1024Squill i3x3x1024J3x3x10241x1x5133x3x10243x3*1 必3x3x1024-1-2la 2點(diǎn)升2(4)在測(cè)試的時(shí)候，每個(gè)網(wǎng)格預(yù)測(cè)的class信息和boundingbox預(yù)測(cè)的confidence信息相乘，就得至U每個(gè)boundingbox的class-specificconfidencescore:Pr(class|object)Pr(object)IOU器dPr

43、(class)IOU黑等式左邊第一項(xiàng)就是每個(gè)網(wǎng)格預(yù)測(cè)的類別信息，第二三項(xiàng)就是每個(gè)boundingbox預(yù)測(cè)的confidence。這個(gè)乘積即encode了預(yù)測(cè)的box屬于某一類的概率，也有該box準(zhǔn)確度的信息。(5)彳馬至U每個(gè)box的class-specificconfidencescore以后，設(shè)置閾值，濾掉得分低的boxes,對(duì)保留的boxes進(jìn)行NMS&理，就得到最終的檢測(cè)結(jié)果。YOLO的實(shí)現(xiàn)細(xì)節(jié)1 .預(yù)訓(xùn)練：使用imageNet預(yù)訓(xùn)練，網(wǎng)絡(luò)結(jié)構(gòu)是前20層網(wǎng)絡(luò)加上一個(gè)平均池化層和一個(gè)全連接層。2 .預(yù)測(cè)：由于預(yù)測(cè)需要更加精細(xì)的像素，所以把輸入擴(kuò)展成448*448,并且增加了四個(gè)

44、卷積層和兩個(gè)全連接層。在最后一層預(yù)測(cè)中，需要預(yù)測(cè)概率和boundingbox,這里把boundingbox的預(yù)測(cè)歸一化成0到1。3 .激活函數(shù)：最后一層的激活函數(shù)使用線性激活函數(shù)，而其他層使用leakyReLU的激活函數(shù)：伍if£>0。=<IQ.lir,otherwise4.誤差傳播：誤差的計(jì)算采用簡單的平方和誤差函數(shù)。但是，從網(wǎng)絡(luò)結(jié)構(gòu)可以知道，預(yù)測(cè)概率的維數(shù)比預(yù)測(cè)boundingbox的維數(shù)要高，而且，在圖片中大多的格子是沒有物體的，這會(huì)使得它們的confidence趨于0。它們的貢獻(xiàn)過大，會(huì)使得網(wǎng)絡(luò)無法收斂。我們采用的一個(gè)辦法就是加權(quán)，賦予不同的權(quán)值，對(duì)于預(yù)測(cè)boun

45、dingbox的，而對(duì)于沒有目標(biāo)物體的格子的誤差賦予權(quán)值。同時(shí)，對(duì)于大的box的小誤差肯定要比小box的小誤差影響更小，于是，采用對(duì)w,h,x,y取平方根的做法，因?yàn)槠椒礁瘮?shù)的圖像隨著x的增大會(huì)變得平緩。此外，一個(gè)網(wǎng)格可能會(huì)預(yù)測(cè)多個(gè)box,希望每個(gè)box負(fù)責(zé)專門的目標(biāo)物體的預(yù)測(cè)。方法是，對(duì)于一個(gè)物體的truthbox,看哪個(gè)boundingbox的IOU更大,就讓它負(fù)責(zé)這個(gè)box。公式為：S2B入“££喟一正產(chǎn)+（佻一枚尸j=o+入Bard££-1+£區(qū)璘1=Oj=US?jB+工"££喏m（g-G）1=0J=c+

46、y£（p？（c）-Pi（c）21=0cWdawse唯其中"對(duì)應(yīng)格子i如果有物體，那相應(yīng)的boundingboxj負(fù)責(zé)這個(gè)物體的預(yù)測(cè)。"行表示格子i中是否有物體。5.訓(xùn)練方法：使用隨機(jī)梯度下降法，以及dropout的方法。YOLO的倉I新YOLO#物體檢測(cè)作為回歸問題求解?；谝粋€(gè)單獨(dú)的端到端網(wǎng)絡(luò)，完成從原始圖像的輸入到物體位置和類別的輸出。從網(wǎng)絡(luò)設(shè)計(jì)上，YOL0ttRCNNFastRCNNiFasterRCNN的區(qū)別如下：（1） YOLOHI練和檢測(cè)均是在一個(gè)單獨(dú)網(wǎng)絡(luò)中進(jìn)行。YOLO9：有顯示地求取regionproposal的過程。而RCNN/FastRCNNK

47、用分離的模塊（獨(dú)立于網(wǎng)絡(luò)之外的selectivesearch方法）求取候選框（可能會(huì)包含物體的矩形區(qū)域），訓(xùn)練過程因此也是分成多個(gè)模塊進(jìn)行。FasterRCNN使用RPN（regionproposalnetwork）卷積網(wǎng)絡(luò)替代RCNN/FastRNN勺selectivesearch模塊，將RPN®成到FastRCNN檢測(cè)網(wǎng)絡(luò)中，得到一個(gè)統(tǒng)一的檢測(cè)網(wǎng)絡(luò)。盡管RPN與FastRCNN共享卷積層，但是在模型訓(xùn)練過程中，需要反復(fù)訓(xùn)練RPNW絡(luò)和FastRCNN3絡(luò)。（2） YOLO等物體檢測(cè)作為一個(gè)回歸問題進(jìn)行求解，輸入圖像經(jīng)過一次inference,便能得到圖像中所有物體的位置和其所屬類

48、別及相應(yīng)的置信概率。而RCNN/FastRCNN/FasterRCNN檢檢測(cè)結(jié)果分為兩部分求解：物體類別（分類問題），物體位置即boundingbox（回歸問題）。Fast RCNNFaster RCNNYOLOregion proposal moduleregion proposal modulefeature extraction networkdetection network festure extractionclassiferlocatorc 1 aSiSficationregress ionRCNNRPNFast RCNNYOLO network第四章訓(xùn)練數(shù)據(jù)采集與制作訓(xùn)練數(shù)據(jù)的

49、采集準(zhǔn)備需要訓(xùn)練的圖片：本次實(shí)驗(yàn)訓(xùn)練的是水果的識(shí)別，種類一共5種，分別是WaterMelon、StrawBerry、Orange、Pineapple、Apple,每種水果圖片約30-40張，總共有171張圖片。圖片全部從百度圖片中下載，圖片分辨率一般在400*300像素左右。將圖片按照按照5位數(shù)字從00000遞增開始命名，并將其全部放到一個(gè)文件夾中。OOOMjM OOMlJp5 OOOO3jpg OOM3jPgMOOAjpg OOOOEjp OOOCkGjpgOOOOSJpg OOOWjpg OOOlOJpg OOOll.jpg00012.jpg OCOlSjpg Q0014jpg00007J

50、pg00015jDgh e也v00015.JMJ 00017.jpg0001R jpg00fl10,jpgDOO20 Mg(W0?ljp9 0003J.jpgOHO 篦 jog00024 Jpg000mjpgOOC27,jpg1XXJ28 卬 g(KK)29jp9 OOOJOjpgOOOJl.JDG0OT3i.jpg00033,jpg(KX)i4jpg OOC35,jpg5OT3S.jpg 0W)37jpg tKHJ3BjFgtKXJ33jog訓(xùn)練數(shù)據(jù)的制作1 .下載并編譯安裝LabelImg,使用這個(gè)軟件給171張水果圖片標(biāo)記對(duì)象位置和名稱。* f i O -R I F口 .jT2 .標(biāo)記完

51、成后，Labellmg將會(huì)生成一個(gè)記錄了對(duì)象名稱和位置的xml文件，每張圖片對(duì)應(yīng)一個(gè)xml文件，xml文件內(nèi)容如下。打開9， R保存僧）SI-nXHarriot ion verlTled="no >一 L.二小，>Dstlinage</ 1c .der >«flL m ne 予白 9 蚪 £,fll -ms< p I 1 >/ho ne / in yd /all /Dst I ag9/ 30GSI9 J ：pg</Lidlli><soLirce><d： t右溫意MJ"k< d-ita

52、ba i»</source>.生In且翡Vril dt ' l>400<. Sft'ldth?<he igti t >2 Bfl «/ he iqht >pt h>3</d 總p t h >cygiflg_i簧34,/學(xué)的111門色d睪<name>3vata rfMlarK/naBe><9P&se>Un9pec 1 fl«l</posa><t rurraTAd>9</t nuncarad» <diffico

53、lt>0</difficulr> -ebr ibox>xirir</irir >31< yriln>-r a> 440- ?! '：nici - >/ 評(píng) -187/ymci - ></bnc!fiOK></obj Kt>yrj c "時(shí)mt a rc9lqriL. T 二<pose>U'nispec ifiol< ypose<t rurEstedl>0<；' rune a. edl><dlf fieflcol*>&l

54、t;bnrdbox><irin嚏-il "受1 iaawin，rT>XML 胃恬涉覓耍：白行3列：:li：3,按照VOO據(jù)集的格式創(chuàng)建一下文件夾結(jié)構(gòu)。darknet項(xiàng)目目錄Icfg配置文件存放目錄一.I-src項(xiàng)目源代碼I-VOCdevkitVOC數(shù)據(jù)集目錄IIVOC2017數(shù)據(jù)標(biāo)記年份I|I-Annitations存放xml標(biāo)記文件IIIIxml標(biāo)記文件IIIIxml標(biāo)記文件III1.IIIIxml標(biāo)記文件IIIImageSets圖片相關(guān)信息IIIMain文件位置信息IIII1保存了全部圖片位置的文件III-JPEGImages需要訓(xùn)練的圖片III1水果圖片III1水果圖片III1.III1水果圖片I|I-labelslabels文件labels文件labels文件labels文件不能識(shí)別xml文件，需要將其轉(zhuǎn)化成其識(shí)別的格式。使用項(xiàng)目自帶的腳本可以將xml格式轉(zhuǎn)換成YOLOff需的label文件。打開，修改數(shù)據(jù)集年份，要識(shí)別的對(duì)象種類名稱，以及xml文件存放位置等信息。文件內(nèi)容如下圖所示。該腳本同時(shí)會(huì)生成上面目錄結(jié)構(gòu)中的文件。修改完成