opencv - 如何减少 YOLOv3 文件中的类数？

Question

我正在使用 YOLOv3 检测视频中的汽车。我下载了我的代码 coco.names、yolov3.cfg 和 yolov3.weights 中使用的三个文件，它们针对 80 种不同的对象类别进行了训练被检测到。代码工作但非常慢，每帧需要 5 秒以上。我相信如果我减少类的数量，它会运行得更快。我可以从coco.names中删除不需要的类，但不幸的是，我不理解yolov3.cfg中的所有内容，甚至无法阅读yolov3.权重。本来想训练自己的模型，但是遇到了很多问题，所以放弃了这个想法。谁能帮我修改这些文件？

Answer 1

要使用 COCO 数据集的简单方法，请按照以下步骤操作:

• 修改(或复制备份)darknet\data\coco.names中的coco.names文件>
• 删除除car
以外的所有其他类
• 修改你的cfg文件(例如yolov3.cfg)，将第610、696、783行的3个classes从80改为1
• 将第 603、689、776 行的 cfg 文件中的 3 个过滤器从 255 更改为 18(派生自 (classes+5)x3)
• 运行检测器 ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/your_image.jpg

要了解更多使用 COCO 数据集的高级方法，您可以使用此存储库基于 voc、coco 或开放图像创建 yolo 数据集。 https://github.com/holger-prause/yolo_utils .
另请参阅:How can I download a specific part of Coco Dataset?

如果您可以使用您自己的数据集 训练 YOLO 模型，那就太好了。互联网上有很多关于如何构建自己的数据集的教程。喜欢this , this , this或 this .

注意:减少类的数量不会使您的推理速度更快。通过减少类别，您将检测到更少的对象，如果您对每次检测进行后处理，您的程序可能会以某种方式运行得更快。