YOLO V3:オリジナルデータの学習

YOLO V3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。
        • $ mkdir -p ~/data/wrs
    • オリジナルデータを学習したYOLO V3のウェイトを保存するためのディレクトリを作る。
      • この例では、~/data/wrs/backupとする。
        • $ mkdir -p ~/data/wrs/backup
    • 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。 なお、クラス番号は0から始まる。
    • 作成した全ファイルをデータ保存用ディレクトリ~/data/wrs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
      • $ cd ~/src/divide_files
      • $ 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~/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、訓練用の設定ファイル名を ~/src/darknet/cfg/wrs_train.cfgとしている。
      • cd ~/src/darknet/cfg
      • cp yolov3-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。6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)*3なので、filtersは24となる。git cloneした日時でファイルの中身が違うことがわかりました。行数は変わりますので、filters=75、classes=20で検索して変更してください。
        • 605行目 filters=24
        • 611行目 classes=3
        • 689行目 filters=24
        • 695行目 classes=3
        • 773行目 filters=24
        • 779行目 classes=3
  • 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20000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 <=20000 && 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/darknet53.conv.74
    • 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。wrs_data、wrs_train.cfgは自分の環境に合わせて適宜変更する。
        • ./darknet detector train cfg/wrs.data cfg/wrs_train.cfg darknet53.conv.74
      • GPUを2個搭載している場合。wrs_data、wrs_train.cfgは自分の環境に合わせて適宜変更する。
        • ./darknet detector train cfg/wrs.data cfg/wrs_train.cfg darknet53.conv.74 -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50万200回と大きな値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

 

コメント

タイトルとURLをコピーしました