基于darknet框架分类器训练

文章参考链接地址：https://pjreddie.com/darknet/train-cifar/
由于实际的业务数据的要求，需要得到与之匹配的预训练模型，本文将使用YOLO的网络进行预训练，得到适合自己的分类器。这篇文章主要介绍如何利用Darknet框架训练分类器。
安装Darknet
若没有安装Darknet，需首先执行：

git clone https://github.com/pjreddie/darknet
cd darknet
make

获取数据集
可直接下载图片格式的数据集
将数据集放至darknet主目录下的data文件夹下，执行：

cd data
wget https://pjreddie.com/media/files/cifar.tgz
tar xzf cifar.tgz

查看cifar下的文件内容：

ls cifar

cifar包含两个文件夹：训练数据集（train）和测试集（test）,以及一个标签文件labels.txt，可通过命令：

cat cifar/labels.txt

查看要学习的物体类别。

准备训练（测试）数据
首先需要生成训练和测试数据的路径文件train.txt,test.txt，执行下述命令：

cd cifar
find `pwd`/train -name \*.png > train.list
find `pwd`/test -name \*.png > test.list
cd ../..

制作数据集参数文件，在cfg/ 路径下新建文件 cfg/cifar.data,文件内容如下：

classes=10 //10个不同类别
train  = data/cifar/train.list //训练数据路径
valid  = data/cifar/test.list  //验证数据路径
labels = data/cifar/labels.txt //标签文件
backup = backup/            //保存中间训练结果的路径
top=2                       //测试时计算top_k的准确率

制作网络模型文件：

[net]
batch=64 
subdivisions=8
width=224
height=224
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = .75
exposure = .75
hue=.1

#learning_rate=0.001
#max_batches = 120000
#policy=steps
#steps=-1,100,80000,100000
#scales=.1,10,.1,.1

learning_rate=0.001
max_batches = 80000
policy=poly
power=4
momentum=0.9
decay=0.0005

[convolutional]
batch_normalize=1
filters=8
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=16
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=1

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

###########

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=10
activation=leaky

[avgpool]

[softmax]
groups=1

[cost]
type=sse

训练模型
进入darknet根目录：

./darknet classifier train cfg/cifar.data cfg/my_cifar.cfg

若训练中断，基于已有的训练模型接着训练执行如下命令：

./darknet classifier train cfg/cifar.data cfg/my_cifar.cfg backup/my_cifar.backup

训练过程如下：

基于darknet框架分类器训练

猜你喜欢