Yolo v3 custom data 하나부터 열까지2(Windows)

이제 다시 darknet 디렉토리로 돌아와서,

mkdir custom_data

사용할 폴더를 하나 만들어준다.

​

custom_data/custom.names

custom_data/images

custom_data/train.txt (= text.txt)

custom_data/custom.data

​

폴더에는 위 4개의 파일이 필요하다.

​

우선,

1. 첫번째 names 파일은 이전 포스팅에서 convert2Yolo 하는 과정에서 만들어 준 것을 해당 폴더로 mv 명령어를 통해 옮긴다.

​

2. 두번째 images폴더는 이미지파일(jpg)과 annotation(txt파일)이 같은 파일명으로 존재해야 폴더이다.

예를들면 000038_cam.jpg, 000028_cam.txt가 세트로 존재해야 한다.

​

annotation파일은 convert2Yolo를 성공적으로 마쳤다면,

<object-class-id> <x-center> <y-center> <width> <height>ex) 0 0.1242 0.63632 0.123 0.5

와 같은 형식으로 적혀있을 것이다.

​

custom_data 폴더 밑에 images 폴더에 jpg사진들과 annotations파일들을 옮겨준다.

​

3. train.txt 파일은 사진파일들이 있는 위치의 절대경로가 적혀있는데

/home/oh2279/geo/Images/00006022_CAM3.jpg 와 같이 적혀있다.

​

test.txt파일도 동일하다.

​

두 파일의 차이는 훈련용 사진과 테스트용 사진, 그리고 양의 차이 정도가 있다.

​

4. custom.data 파일 생성

classes=170

train=custom_data/train.txt

valid=custom_data/test.txt

names=custom_data/custom.names

backup=backup/

마찬가지로 custom_data 디렉토리에서 custom.data 파일을 생성해준 뒤, 본인이 사용할 class의 개수와 train, vaild, names 파일의 경로를 적어준다.

backup은 가중치 backup 파일이 저장되는 곳이다.

​

이제 필요한 폴더 및 파일들을 생성하였다면, cfg 파일을 수정해주자

​

cfg파일은 /darknet/cfg 디렉토리에 있다.

​

./cfg 폴더 밑에 있는 yolov3.cfg 파일을 복사해서 custom_data/cfg/yolov3-custom.cfg 파일을 만들어 사용하거나, 또는 직접 수정해주어도 상관은 없다.

sudo gedit yolov3.cfg 또는
sudo vi yolov3.cfg

batch line: 6

기본값 64. 건드리지 않는다.

subdivisions line: 7

배치 사이즈를 얼마나 쪼개서 학습할지 설정한다. 기본값은 8이지만 메모리 릭이 나면 16 32 등으로 조절한다.

witdh, height line: 8, 9

기본값은 416, 608로 변경하면 정확도가 좋아질 수 있다. 32의 배수로 조절한다.

learning_rate line: 18

기본값 0.001, multi gpu인 경우 0.001/gpu수로 설정한다. 예를들어 2개라면 0.0005를 써준다.

burn_in line: 19

기본값 1000, multi gpu인 경우 1000*gpu수로 설정한다. 예를들어 2개라면 2000을 써준다.

max_batches line: 20

이터레이션 갯수, class수*2000+200. 예를들어 5개 클래스라면 10200

steps line: 22

max_batches의 80%, 90%로 class갯수*2000의 80%, 90%를 설정한다. 예를들어 5개 클래스라면 8000,9000을 써준다.

classes line: 610, 696, 783

[yolo] 레이어에 있는 것으로 클래스 수를 적어준다. 예를들어 5개 클래스라면 5를 써준다.

filters: line: 603, 689, 776

(클래스 갯수+5)*3을 써준다. 예를들어 5개 클래스라면 30을 써준다.

문자열 검색을 하면 많이 나오는데 yolo레이어 바로 위에 있는 필터만 수정한다.

​

이제 모델을 돌려보자! (darknet 디렉토리로 이동한 뒤, 아래 코드 입력)

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

참고로 맨 뒤에 가중치 파일은 본인이 원하는 것을 wget 명령을 통해 다운할 수 있다.

 

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

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

자세한 내용은 아래 참고 사이트를 확인해주어도 좋다.

https://rio-kim.github.io/yolo/2020/05/14/yolo-v3-custom-data-train/

Yolo v3 custom data train · TIL

https://github.com/ssaru/convert2Yolo/issues/13

VOC for image with no objects is fatal · Issue #13 · ssaru/convert2Yolo

https://github.com/AlexeyAB/darknet

GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Da

https://m.blog.naver.com/kthchunjae/222088446662

Ubuntu에 YOLOv3 설치(1) : OpenCV 설치[Installing OpenCV on Ubuntu]