yolo_darknet_sur_un_portable_optimus
Différences
Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente | ||
yolo_darknet_sur_un_portable_optimus [2019/04/15 15:02] – [Test avec webcam et enregistrement du résultat] serge | yolo_darknet_sur_un_portable_optimus [2020/12/27 15:09] (Version actuelle) – serge | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
======Yolo Darknet sur un portable Optimus====== | ======Yolo Darknet sur un portable Optimus====== | ||
- | <WRAP center round box 80% centeralign> | + | <WRAP center round box 60% centeralign> |
- | **{{tagpage> | + | **{{tagpage> |
+ | </WRAP> | ||
+ | <WRAP center round box 60% centeralign> | ||
+ | **[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle | ||
</ | </ | ||
+ | <WRAP center round box 60% centeralign> | ||
+ | **{{tagpage> | ||
+ | </ | ||
+ | <WRAP center round box 60% centeralign> | ||
C'est quoi un sémaphore ? | C'est quoi un sémaphore ? | ||
{{ youtube> | {{ youtube> | ||
- | {{ chappe.jpeg? | + | {{ media_05:chappe.jpeg? |
- | <WRAP center round box 80% centeralign> | + | </ |
+ | \\ \\ | ||
+ | <WRAP center round box 60% centeralign> | ||
// | // | ||
//**Test avec des images du sémaphore**// | //**Test avec des images du sémaphore**// | ||
Ligne 17: | Ligne 26: | ||
=====Considération générales===== | =====Considération générales===== | ||
- | * **Xubuntu 18.04 CUDA 10.0 CUDNN 7.4.1.5 ** Ne pas utiliser | + | * **Xubuntu 18.04 CUDA 10.0 CUDNN 7.4.1.5 |
+ | * **Ne pas utiliser | ||
* **Sur Ubuntu, l' | * **Sur Ubuntu, l' | ||
+ | * **Ce tuto a été écrit avec des tests réalisés sur un portable avec une carte 765GTX et sur une tour avec une carte 1060GTX** | ||
=====Ressources et documentation de YOLO Darknet===== | =====Ressources et documentation de YOLO Darknet===== | ||
===Darknet=== | ===Darknet=== | ||
Ligne 27: | Ligne 38: | ||
====Installation du driver Nvidia==== | ====Installation du driver Nvidia==== | ||
Avec le Gestionnaire de pilotes supplémentaires | Avec le Gestionnaire de pilotes supplémentaires | ||
- | ====Installation==== | + | ====Installation |
Le tout va télécharger 3 à 4 Go ! | Le tout va télécharger 3 à 4 Go ! | ||
< | < | ||
Ligne 39: | Ligne 50: | ||
sudo apt-get install --no-install-recommends cuda-10-0 | sudo apt-get install --no-install-recommends cuda-10-0 | ||
sudo apt-get install --no-install-recommends libcudnn7=7.4.1.5-1+cuda10.0 | sudo apt-get install --no-install-recommends libcudnn7=7.4.1.5-1+cuda10.0 | ||
- | sudo apt-get install cmake clang python3-pip libopencv-dev libopencv-core-dev libopencv-highgui-dev libopencv-flann-dev libopencv-photo-dev libopencv-video-dev libopencv-dev | + | sudo apt-get install cmake clang python3-pip libopencv-dev libopencv-core-dev libopencv-highgui-dev libopencv-flann-dev libopencv-photo-dev libopencv-video-dev |
- | sudo pip3 install opencv-python==3.4.5.20 | + | sudo pip3 install opencv-python==3.4.5.20 |
</ | </ | ||
+ | |||
+ | Après installation, | ||
+ | |||
+ | Pour faire les mises à jour, il faudrait d' | ||
+ | |||
+ | ====Installation complémentaire pour mes projets==== | ||
+ | Installation de mon module personnel: [[: | ||
+ | |||
+ | |||
+ | |||
=====Installation de YOLO Darknet===== | =====Installation de YOLO Darknet===== | ||
Dans les [[https:// | Dans les [[https:// | ||
+ | |||
+ | Pour ajouter la libération de la RAM GPU entre 2 détections dans un script python, | ||
+ | [[Darknet Letters unload GPU RAM in python script|Darknet Letters unload GPU RAM in python script]] | ||
====Options de Makefile avec GPU avec CUDA avec OPENCV==== | ====Options de Makefile avec GPU avec CUDA avec OPENCV==== | ||
< | < | ||
Ligne 52: | Ligne 76: | ||
AVX=0 | AVX=0 | ||
OPENMP=0 | OPENMP=0 | ||
- | LIBSO=0 | + | LIBSO=1 |
ZED_CAMERA=0 | ZED_CAMERA=0 | ||
</ | </ | ||
Ligne 65: | Ligne 89: | ||
</ | </ | ||
L' | L' | ||
+ | |||
+ | Le fichier libdarknet.so de 1060GTX: {{ media_07: | ||
=====Préparation===== | =====Préparation===== | ||
Voir la page **[[yolo_avec_mes_propres_images|Yolo avec mes propres images]]** pour la construction de **60 000 images 640x640** et des fichiers *.txt correspondants. | Voir la page **[[yolo_avec_mes_propres_images|Yolo avec mes propres images]]** pour la construction de **60 000 images 640x640** et des fichiers *.txt correspondants. | ||
Ligne 72: | Ligne 98: | ||
Les axes blanc sont probablement important pour la reconnaissance. | Les axes blanc sont probablement important pour la reconnaissance. | ||
- | {{:2019_04: | + | {{media_01: |
- | {{:2019_04: | + | {{media_01: |
- | {{:2019_04: | + | {{media_01: |
- | {{:2019_04: | + | {{media_01: |
- | {{:2019_04: | + | {{media_01: |
- | + | ||
- | Les commandes pour exécuter .darknet ont comme argument: | + | |
- | axe/ | + | |
| | ||
**darknet53.conv.74** | **darknet53.conv.74** | ||
Ligne 117: | Ligne 140: | ||
===train.txt et test.txt=== | ===train.txt et test.txt=== | ||
Les créer en collant le script **[[https:// | Les créer en collant le script **[[https:// | ||
- | * installer [[pymultilame|pymultilame]] | + | * installer [[:pymultilame|pymultilame]] |
* adapter le chemin vers le dossier root des images dans le script | * adapter le chemin vers le dossier root des images dans le script | ||
python3 create_train_test_txt.py | python3 create_train_test_txt.py | ||
Ligne 130: | Ligne 153: | ||
=====Training===== | =====Training===== | ||
- | export PATH=/ | ||
./darknet detector train axe/ | ./darknet detector train axe/ | ||
- | {{ :2019_04: | + | {{ media_01: |
===Message final=== | ===Message final=== | ||
Ligne 170: | Ligne 192: | ||
for thresh = 0.25, precision = 0.97, recall = 0.95, F1-score = 0.96 | for thresh = 0.25, precision = 0.97, recall = 0.95, F1-score = 0.96 | ||
for thresh = 0.25, TP = 5699, FP = 188, FN = 301, average IoU = 87.69 % | for thresh = 0.25, TP = 5699, FP = 188, FN = 301, average IoU = 87.69 % | ||
- | |||
IoU threshold = 50 %, used Area-Under-Curve for each unique Recall | IoU threshold = 50 %, used Area-Under-Curve for each unique Recall | ||
mean average precision (mAP@0.50) = 0.982366, or 98.24 % | mean average precision (mAP@0.50) = 0.982366, or 98.24 % | ||
- | Total Detection Time: 78.000000 Seconds | ||
- | |||
- | Set -points flag: | ||
- | | ||
- | | ||
- | | ||
- | |||
| | ||
- | Saving weights to axe/ | ||
- | Saving weights to axe/ | ||
- | Saving weights to axe/ | ||
</ | </ | ||
- | |||
- | ===Le fichier final obtenu=== | ||
- | * **{{ : | ||
=====Testing===== | =====Testing===== | ||
====Test sur une image==== | ====Test sur une image==== | ||
- | | + | ./darknet detector test axe/ |
- | | + | |
Le résultat est dans l' | Le résultat est dans l' | ||
<WRAP group> | <WRAP group> | ||
<WRAP half column> | <WRAP half column> | ||
- | {{:2019_03: | + | {{media_01: |
</ | </ | ||
<WRAP half column> | <WRAP half column> | ||
- | {{:2019_03: | + | {{media_01: |
shot_36_space.jpg: | shot_36_space.jpg: | ||
space: 40% | space: 40% | ||
Ligne 207: | Ligne 214: | ||
| | ||
====Test sur une video et enregistrement du résultat==== | ====Test sur une video et enregistrement du résultat==== | ||
- | ./darknet detector demo axe/ | + | ./darknet detector demo axe/ |
{{ vimeo> | {{ vimeo> | ||
====Test avec webcam et enregistrement du résultat==== | ====Test avec webcam et enregistrement du résultat==== | ||
Pour webcam=0 | Pour webcam=0 | ||
- | ./darknet detector demo axe/ | + | ./darknet detector demo axe/ |
+ | {{ vimeo> | ||
- | =====Un script python pour lire un message===== | + | =====Avec un vrai sémaphore===== |
+ | * **[[yolo_darknet_avec_un_vrai_semaphore|Yolo Darknet avec un vrai sémaphore]]** | ||
+ | * **[[https:// | ||
+ | {{tag> ia sb semaphore yolo_darknet }} | ||
- | {{tag> ia sb semaphore yolo_darknet}} |
yolo_darknet_sur_un_portable_optimus.txt · Dernière modification : 2020/12/27 15:09 de serge