您当前的位置: 首页 > 旅游

YOLO升级到v3版速度相比RetinaNet快38倍

2018-11-23 15:53:30

雷锋网 AI 研习社按,YOLO 是一种非常流行的目标检测算法,速度快且结构简单。日前,YOLO 作者推出 YOLOv3 版,在Titan X 上训练时,在 mAP 相当的情况下,v3 的速度比 RetinaNet 快 3.8 倍。在 YOLOv3 官网上,作者展示了一些对比和案例。在论文中,他们对 v3 的技术细节进行了详细说明。雷锋网(公众号:雷锋网) AI 研习社将内容编译整理如下。

我们针对 YOLO 做了一些更新,在设计上进行了一些小改动,让它变得更好。当然,我们也训练了这个新网络,它的性能非常。它比前一版本要大一点,但更准确。当然了,不必担心会牺牲速度,它仍然很快。YOLOv3 可以在 22ms 之内执行完一张 320 × 320 的图片,mAP 得分是 28.2,和 SSD 的准确率相当,但是比它快三倍。

此外,它在 Titan X 上经过 51 ms 训练,mAP50 为 57.9,相比之下,RetinaNet 经过 198ms 的训练之后 mAP50 为 57.5。对比起来,两者的性能差异不大,但是 YOLOv3 比 RetinaNet 快 3.8 倍。

所有的代码都在 上。

与其他检测器相对比

YOLOv3 非常快速和准确,在 IoU=0.5 的情况下,与 Focal Loss 的 mAP 值相当,但快了 4 倍。此外,大家可以轻松在速度和准确度之间进行权衡,只需改变模型的大小,而不需要重新训练。

在 COCO 数据集上的表现

工作原理

先前的检测系统是让分类器或定位器来执行检测任务。他们将模型应用于图片中,图片里物体的位置和尺寸各异,图像的高得分区域被认为是检测区域。

我们采用了完全不同的方法——将一个简单的神经网络应用于整张图像。该网络将图像分割成一块块区域,并预测每个区域的 bounding box 和概率,此外,预测概率还对这些 bounding box 进行加权。

我们的模型相较基于分类的检测系统有如下优势:它在测试时观察整张图像,预测会由图像中的全局上下文(global context)引导。它还通过单一网络评估做出预测,而不像 R-CNN 这种系统,一张图就需要成千上万次预测。对比起来,YOLO 的速度非常快,比 R-CNN 快 1000 倍,比 Fast R-CNN 快 100 倍。

可以参阅我们的论文,了解关于完整系统的更多细节。

在 v3 中,有哪些全新的方法呢?

YOLOv3 用了一些小技巧来改进训练、提高性能,包括多尺度预测,更好的主干分类器等等。

同样,详细信息我们也全写在论文上了。

用预训练模型进行检测

接下来是利用 YOLO 使用预训练模型来检测物体。请先确认已经安装 Darknet。接下来运行如下语句:

git clone

cd darknet

make

这样一来 cfg/子目录中就有了 YOLO 配置文件,接下来下载预训练的 weight 文件(237 MB)(),或者运行如下语句:

wget

然后执行检测器:

./darknet detect cfg/g ights data/g

输出如下:

layer filters size input output

0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs

1 conv 64 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BFLOPs

.......

105 conv 255 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 255 0.353 BFLOPs

106 detection

truth_thresh: Using default '1.000000'

Loading weights from ights...Done!

data/g: Predicted in 0.029329 seconds.

dog: 99%

truck: 93%

bicycle: 99%

Darknet 会输出检测到的物体、confidence 以及检测时间。我们没有用 OpenCV 编译 Darknet,所以它不能直接显示检测情况。检测情况保存在 g 中。大家可以打开这个图片来查看检测到的对象。我们是在 CPU 上使用 Darknet,检测每张图片大约需要 6-12 秒,如果使用 GPU 将快得多。

我还附上了一些例子给大家提供灵感,你们可以试试 data/g,data/g,data/g 或 data/g。

detect 指令是对 command 的常规版本的简写:

./darknet detector test cfg/ta cfg/g ights data/g

如果你只是想检测图像,并不需要了解这个,但如果你想做其他的事情,比如在网络摄像头上运行 YOLO,这将非常有用(稍后详细描述)。

多个图像

在 command 行不写图像信息的话就可以连续运行多个图片。当加载完配置和权重,你将看到如下提示:

./darknet detect cfg/g ights

layer filters size input output

0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 0.299 BFLOPs

1 conv 64 3 x 3 / 2 416 x 416 x 32 -> 208 x 208 x 64 1.595 BFLOPs

.......

104 conv 256 3 x 3 / 1 52 x 52 x 128 -> 52 x 52 x 256 1.595 BFLOPs

105 conv 255 1 x 1 / 1 52 x 52 x 256 -> 52 x 52 x 255 0.353 BFLOPs

106 detection

Loading weights from ights...Done!

Enter Image Path:

输入类似 data/g 的图像路径来进行边框预测。

一旦完成,它将提示你输入更多路径来检测不同的图像。使用 Ctrl-C 退出程序。

改变检测门限

默认情况下,YOLO 只显示检测到的 confidence 不小于 0.25 的物体。可以在 YOLO 命令中加入-thresh <val>来更改检测门限。例如,将门限设置为 0 可以显示所有的检测结果:

./darknet detect cfg/g ights data/g -thresh 0

网络摄像头实时检测

如果在测试数据上运行 YOLO 却看不到结果,那将很无聊。与其在一堆图片上运行 YOLO,不如选择摄像头输入。

要运行如下 demo,需要用 CUDA 和 OpenCV 来编译 Darknet。接下来运行如下指令:

./darknet detector demo cfg/ta cfg/g ights

YOLO 将会显示当前的 FPS 和预测的分类,以及伴有边框的图像。

你需要一个连接到电脑的摄像头并可以让 OpenCV 连接,否则就无法工作。如果有连接多个摄像头并想选择其中某一个,可以使用 -c <num>(OpenCV 在默认情况下使用摄像头 0)语句。如果 OpenCV 可以读取视频,也可以在视频文件中运行:

./darknet detector demo cfg/ta cfg/g ights <video file>

在 VOC 数据集上训练 YOLO

首先需要 2007-2012 年的所有 VOC 数据,这是下载地址:,为了存储数据,执行如下语句:

wget

wget

wget

tar xf VOCtrainval_r

tar xf VOCtrainval_r

tar xf VOCtest_r

接下来所有 VOC 训练数据都在 VOCdevkit/ 子目录下。

生成标签

接下来需要生成 Darknet 使用的标签文件。Darknet 需要的.txt 文件格式如下:

<object-class> <x> <y> <width> <height>

x, y, width 和 height 对应图像的宽和高。需要在 Darknet scripts/子目录下运行 voc_ 脚本来生成这些文件。

wget

python voc_

几分钟后,这个脚本将生成所有必需文件。大部分标签文件是在 VOCdevkit/VOC2007/labels/ 和 VOCdevkit/VOC2012/labels/ 下,大家可以在目录下看到如下信息:

ls

2007_t VOCdevkit

2007_t voc_

2007_t VOCtest_r

2012_t VOCtrainval_r

2012_t VOCtrainval_r

类似 2007_t 的语句列出了图像文件的年份和图像集。Darknet 需要一个包含所有你想要训练的图片的文本文件。在这个例子中,我们训练除了 2007 测试集的所有数据。运行如下语句:

cat 2007_t 2007_t 2012_*.txt > t

修正

现在去 Darknet 目录,需要改变 cfg/ta 配置文件以指向数据:

1 classes= 20

2 train = <path-to-voc>/t

3 valid = <path-to-voc>2007_t

4 names = data/s

5 backup = backup

将<path-to-voc>替换为你存放 VOC 数据的目录。

下载预训练卷积权重

在训练中使用在 Imagenet 上预训练的卷积权重。我们这里使用 darknet53 模型的权重,可以点击这里下载卷积层权重:

wget

训练模型

接下来执行如下语句进行训练:

./darknet detector train cfg/ta cfg/g nv.74

在 COCO 上的训练与 VOC 上类似,大家可以在这里查看详情。

YOLOv3 论文地址如下:

雷锋网 AI 研习社编译整理。

雷锋网版权文章,未经授权禁止转载。详情见转载须知。


亘博优质低碳钢丝编织网厂家
昆山防风销转接件厂家
吊顶铝方通
亘博优质低碳钢丝编织网厂家销售
昆山防风销转接件供应
吊顶铝方通报价
推荐阅读
图文聚焦