YOLO V2: オリジナルデータの学習

YOLO V2にオリジナルデータを学習させたときのメモ。この記事はチェックが十分にできていないので、注意してください。

Yoloで学習させるためには以下のものを準備する。

•  1. 学習用データの準備
  • データ保存用のディレクトリを作る。この例では、~/data/wrsとする。
  • Yolo学習用データセット作成ツールlabelImgを使い学習用の画像ファイルとアノテーションファイルを作る。アノテーションファイルはYoloで検出オブジェクトのクラスと矩形の位置・サイズが格納されており、画像ファイルと同じ名前で拡張子が異なる。インストールや使い方等はここを参照。
  • 作成した全ファイルをデータ保存用ディレクトリに移動する。
  • Yoloの訓練用ファイルtrain.list、テスト用ファイルtest.listを作成するプログラムをgithubからクローンする。
    • cd ~/src
    • git clone https://github.com/demulab/divide_files.git
  • ビルド・実行
    • gcc -o divide_files divide_files.c
    • cd ~/data/wrs
    • ~/src/divide_files/divide_files [テストデータの割合]
      • ここで [テストデータの割合]に全データに対するテストデータの割合を入れる。例えば、テストデータを30%にしたければ0.3とする。引数を省略するとテストデータを20%にする。
      • 成功すると~/data/wrs/train.listと~/data/wrs/test.listができる。
• 2． 設定ファイル
  • データ設定ファイル： ~/src/darknet/cfgディレクトリの中に以下の内容のデータ設定ファイルを作る。classesは識別するクラス数（この例では、おにぎり、サンドイッチ、弁当の３つのクラスがあるので3としている）、上で作成したtrainは訓練用ファイル、validはテスト用ファイル、namesはクラス名ファイル、backupは学習の途中のウェイトを保存するディレクトリ。この例では、データ設定ファイル名を~/src/darknet/cfg/wrs.dataとする。
    classes=3
train = /home/user_name/data/wrs/train.list
valid = /home/user_name/data/wrs/test.list
names = /home/user_name/data/wrs/names.list
backup = /home/user_name/data/wrs/backup
  • クラス名ファイル: 識別するクラス名。この例では、ファイル名を~/src/darknet/data/wrs/names.listとし、クラスが3つあるので、各クラスに名前をつける。ファイルの中身は以下のとおり。１行に１クラス名なので改行が必要。例えば、10クラスあれば10行になる。
    onigiri
sandwich
bento
  • ネットワーク設定:Yoloのネットワークを設定するファイル。この例では、ファイル名を ~/src/darknet/cfg/wrs_train.cfgとしている。
    • cd ~/src/darknet/cfg
    • cp yolov2-voc.cfg  wrs_train.cfg
    • wrs_train.cfgの１〜7行目を以下のように変更する。[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=64
subdivisions=16 # 16
    • 次に、wrs_train.cfgのclassesとfiltersを変更する。2箇所ある。例えばクラス数が３の場合は次のように変更する。filters=(クラス数+5)*5なので、filtersは40となる。
      • 244行目 classes=3
      • 237行目 filters=40
• 3. ネットワークのウェイトを保存する間隔を変更
  • ~/src/darknet/examples/detector.cでは、ネットワークのウェイトを保存する間隔は138行目で次のようになっている。つまり、学習回数が1000回未満のときは100回毎に保存し、それ以降は10000回毎に保存する。なお、ウェイトはデータ設定ファイルでしたディレクトリbackupに保存される。
    • if (i%10000==0 || (i < 1000 && i%100 == 0)) {
  • これを10000回までは1000回毎にも保存したければ次のように変更する。
    • if (i%10000==0 || (i <= 1000 && i%100 == 0)||  (i <=10000 && i % 1000 ==0)) {
• 4. 学 習
  • Imagenetで学習済みのウェイトを使うのでダウンロードする。
    • cd ~/src/darknet
    • wget https://pjreddie.com/media/files/darknet19_448.conv.23
  • 次のコマンドで学習する。
    • cd ~/src/darknet
    • コンピュータにNVIDIAのGPUを1個搭載している場合
      • ./darknet detector train cfg/wrs.data cfg/wrs_train.cfg darknet19_448.conv.23
    • GPUを2個搭載している場合
      • ./darknet detector train cfg/wrs.data cfg/wrs_train.cfg darknet19_448.conv.23 -gpus 0,1
    • なお、学習の終了条件は、wrs.cfgファイルの20行目で次のように8万200回になっているので適宜変更する。
      • max_batches = 500200
• 5. テスト
  • 学習で自動的に保存されたウェイトを使ってテストする。
  • テスト用設定ファイルの作成
    • cd ~/src/darknet/cfg
    • cp wrs_train.cfg wrs_test.cfg
    • wrs_test.cfgの１〜7行目を以下のように変更する。[net]
# Testing
batch=1
subdivisions=1
# Training
#batch=64
#subdivisions=16 # 16
  • 画像
    • ./darknet detector test cfg/wrs.data cfg/wrs_test.cfg ~/data/wrs/backup/wrs_10000.weights  ~/data/wrs/training_images/test.jpg
    • 上の例で最後から２番目の引数はbackupに保存された10000回学習したウェイト、最後はテストする画像ファイルなので適宜変更してください。
  • カメラ
    • ./darknet detector demo cfg/wrs.data cfg/wrs_test.cfg ~/data/wrs/backup/wrs_10000.weights

以上