0
点赞
收藏
分享

微信扫一扫

Yolov3基于Windows系统训练及测试(五.整理篇)


深度学习.yolov3.基于Windows系统训练及测试.整理篇

  • ​​0. 目录/步骤​​
  • ​​6. yolov3训练/测试常用cmd命令​​
  • ​​6.0 运用场景目录​​
  • ​​6.0.1 命令整理提示​​
  • ​​6.0.2 训练场景目录​​
  • ​​6.0.3 测试场景目录​​
  • ​​6.1 示例cmd命令​​
  • ​​6.1.0 命令功能字​​
  • ​​6.1.1 训练场景示例​​
  • ​​6.1.2 测试场景示例​​


0. 目录/步骤

6. yolov3训练/测试常用cmd命令

6.0 运用场景目录

6.0.1 命令整理提示

为了方便大家以后的训练及测试,作者整理了常用的cmd命令行如下:

6.0.2 训练场景目录

1 无预训练权重文件训练
2 基于预训练权重文件单GPU训练
3 指定GPU训练
4 多GPU训练
5 断点继续训练

6.0.3 测试场景目录

1 单张图片测试
2 改变阈值测试
3 验证集批量测试
4 对视频的目标检测
5 摄像头实时检测

6.1 示例cmd命令

6.1.0 命令功能字

-thresh:阈值,显示被检测物体的置信度<-thresh>的边界,默认0.005
-out:输出文件名字,默认路径为results文件夹下,如果有x个文件,默认输出x个comp4_det_test_x.txt
-i/-gpu:指定单个gpu,默认为0
-gpus:指定多个gpu,默认为0

6.1.1 训练场景示例

1 无预训练权重文件训练
​​​命令行:darknet.exe detector train data\voc.data cfg\yolov3.cfg​

2 基于预训练权重文件单GPU训练
​​​命令行: darknet.exe detector train data\voc.data cfg\yolov3-voc.cfg darknet53.co nv.74​

3 指定GPU训练
​​​命令行: darknet.exe detector train data\voc.data cfg\yolov3-voc.cfg yolov3.weights -gpu 1​

4 多GPU训练,学习率是单GPU的n倍,n是使用GPU的个数
​​​命令行: darknet.exe detector train data\voc.data cfg\yolov3-voc.cfg yolov3.weights -gpus 0,1,2,3,4​

5 断点继续训练
​​​命令行: darknet.exe detector train data\voc.data cfg\yolov3-voc.cfg backup\ yolov3-voc_1100.weights​

6.1.2 测试场景示例

1 单张图片测试
​​​命令行: darknet.exe detector test data/coco.data yolov3.cfg yolov3.weights dog.jpg​

2 单张改变阈值测试
​​​命令行:darknet.exe detector test data/voc.data cfg/yolov3.cfg yolov3.weights dog.jpg -thresh 0.1​

3 验证集批量测试
​​​命令行:darknet.exe detector valid data/voc.data cfg/yolov3-voc.cfg backup/yolov3 -voc_1100.weights​

4 对视频的目标检测
​​​命令行:darknet.exe detector demo data/coco.data yolov3.cfg yolov3.weights -i 0 -thresh 0.25 test.mp4​

5 摄像头实时检测
​​​命令行:darknet.exe detector demo data/voc.data yolov3.cfg yolov3.weights http://193.178.45.83:8080/vedio?dummy=parram.mjpg -i 0​


举报

相关推荐

0 条评论