YOLO 를 이용하여 custom detector를 학습하는 방법

custom 데이터를 이용하여 YOLO를 학습하기 위한 방법 정리.

(일단 뼈대 작성 해놓고 내용은 차차 수정하자)

1. github 에서 darknet 코드를 다운로드 받는다.

1.1 CUDA 설치

1.2 CUDNN 설치

1.3 OPENCV 설치

2. MakeFile 수정

GPU사용여부 설정

OPENCV 사용여부 설정

GPU architecture 버전 맞추기

3. darknet make

4. training sample 만들기

이미지 한장당 txt파일로 gt 하나.

최종 결과물은 [클래스index] [x_r] [y_r] [w_r] [h_r] 의 형태.

x,y는 좌상단 좌표가 아닌 ROI의 중심좌표. 

x, y, w, h 모두 영상의 크기를 이용하여 0~1로 정규화 한 값 이용

참고 - tagging tool, converter

5. train list 만들기

이미지는 images 폴더에, GT는 labels 폴더에 넣고 images 

폴더 내 파일의 절대경로를 지정하여 list로 만들기

6. data & names 파일 만들기

학습 데이터에 관련된 정보 설정

data 파일에 클래스 개수, train list path, backup path 등 설정

names 파일에 label 설정

7. cfg 파일 수정

batch, subdivisions 값 설정 (나머지 하이퍼 파라미터도 알아서 수정)

마지막 convolutional layer에 filters 값 수정 => ( coords + 1 + num of class ) * num

region layer anchors 수정 ( 학습 데이터의 k-means clustered rate, 참고 : https://github.com/Jumabek/darknet_scripts/blob/master/gen_anchors.py )

classes 값 수정 

8. pre-trained data download (optional)

https://pjreddie.com/media/files/darknet19_448.conv.23 

9. training