物体检测YOLO V3算法实战
介绍
说明
本文是根据作者实践经历编写而成，旨在对比原教程参考使用，以帮助使用者更好的理解实践操作，以下为原教程链接
华为云GitHub教程链接：ModelArts物体检测Yolo_V3预置算法案例
前言
YOLO场景运用： YOLO作为一个one-stage目标检测算法，在速度和准确度上都有杰出的表现。
除了在Notebook开发环境中进行算法的定义和运行，通过ModelArts预置算法同样可以进行YOLO算法的训练和推理。接下来的例子就是一个利用ModelArts中的YOLO V3预置算法进行的训练和推理过程。
实践步骤
第一步：准备数据
有很多开源的数据集可以用来进行目标检测任务的训练，如COCO数据集，PASCAL VOC数据集，BDD100K等，可以根据不同的需求和偏好进行选择。在获得数据集之后，需要对数据进行格式统一，然后便可以进行训练了。
本案例中使用的是PASCAL VOC2007，数据下载地址如下，点击即开始下载：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
（建议使用迅雷下载数据集，我的浏览器无法下载。）
本案例只需要解压Annotations（标注数据） 和 JPEGImages（图像数据）这两个文件夹中的文件，并将其放入到同一个文件夹中（如：VOC2007），如下图所示：
然后将此文件夹上传到obs桶中（使用OBS客户端上传文件夹至OBS的指导见本文档），这里得很久，因为有1万多条数据，有一个小技巧，客户端点设置，把最大并发数改成50会快很多，不过要时不时注意上传失败的问题，点击重新上传即可。
第二步：创建训练任务
首先，点击进入华为云ModelArts平台，依次点击 训练管理，训练作业，创建。
然后根据需求进行作业参数定义，注意红圈部分，其他默认即可，可以选择填写日志保存目录，无误后点击下一步并进行提交，训练过程大概为30分钟：
第三步：查看训练情况
等待过程中可以 查看日志 和 创建可视化作业(TensorBoard)，如下图所示：
若创建可视化作业，配置这块直接点击下一步，提交即可：
在可视化作业列表等待初始化，当状态变为运行中时，可点击名称查看
当你打开如果发现如下错误，不用担心，这是系统bug，只有当训练完成后，才能查看运行日志（即可视化），回去停止可视化作业就好，耐心等待训练完成：
25分钟后训练完成（此时也已经可以正常查看可视化作业）
第四步：导入模型
依次点击 模型管理，模型，导入：
配置界面全部默认即可，注意红圈是否是刚才的训练作业，然后点击立即创建，然后等待模型构建成功：
第五步：部署服务
依次点击 部署上线，在线服务，部署：
配置默认即可，注意红圈部分，然后下一步，提交，等待部署完成：
大约5分钟部署完毕，然后点击预测：
随便上传一张主体比较明显的图片都可：
到此，实践结束，如果觉得本文对您有帮助请点个赞支持我呦！(●’◡’●)
