Labomedia Ressources

Outils pour utilisateurs

Outils du site

Piste :
yolo_darknet_sur_un_portable_optimus

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision		Révision précédente
Prochaine révisionLes deux révisions suivantes
y:yolo_darknet_sur_un_portable_optimus [2019/06/24 19:39] – [Installation de cuda,cudnn, opencv-python] sergeyolo_darknet_sur_un_portable_optimus [2019/10/20 11:56] – [Test sur une image] serge
Ligne 85: Ligne 85:
 Le fichier libdarknet.so de 1060GTX: {{ :2019_05:libdarknet.so.zip |}} Le fichier libdarknet.so de 1060GTX: {{ :2019_05:libdarknet.so.zip |}}
 =====Préparation===== =====Préparation=====
-Voir la page **[[y: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.
  
 Ici nous utilisons **[[https://github.com/sergeLabo/semaphore_cv_yolo|Création d'images pour utiliser Yolo Darknet avec OpenCV]]**. Ici nous utilisons **[[https://github.com/sergeLabo/semaphore_cv_yolo|Création d'images pour utiliser Yolo Darknet avec OpenCV]]**.
Ligne 189: Ligne 189:
  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: 
- `-points 101` for MS COCO  
- `-points 11` for PascalVOC 2007 (uncomment `difficult` in voc.data)  
- `-points 0` (AUC) for ImageNet, PascalVOC 2010-2012, your custom dataset 
- 
  mean_average_precision (mAP@0.5) = 0.982366   mean_average_precision (mAP@0.5) = 0.982366 
-Saving weights to axe/backup/yolov3-obj_3l_labo_axe_54000.weights 
-Saving weights to axe/backup/yolov3-obj_3l_labo_axe_last.weights 
-Saving weights to axe/backup/yolov3-obj_3l_labo_axe_final.weights 
 </code> </code>
- 
-===Le fichier final obtenu=== 
-  * **{{ :2019_04:yolov3-labo_axe_final.weights.tar.gz |}}** 
  
 =====Testing===== =====Testing=====
 ====Test sur une image==== ====Test sur une image====
-  export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}} 
   ./darknet detector test axe/obj.data  axe/yolov3-obj_3l_labo_axe.cfg axe/backup/yolov3-obj_3l_labo_axe_final.weights axe/shot_36_space.jpg   ./darknet detector test axe/obj.data  axe/yolov3-obj_3l_labo_axe.cfg axe/backup/yolov3-obj_3l_labo_axe_final.weights axe/shot_36_space.jpg
  
Ligne 235: Ligne 220:
  
 =====Avec un vrai sémaphore===== =====Avec un vrai sémaphore=====
-  * **[[y:yolo_darknet_avec_un_vrai_semaphore|Yolo Darknet avec un vrai sémaphore]]**+  * **[[yolo_darknet_avec_un_vrai_semaphore|Yolo Darknet avec un vrai sémaphore]]**
   * **[[https://github.com/sergeLabo/semaphore_blend_yolo|et les sources correspondantes sur GitHub]]**   * **[[https://github.com/sergeLabo/semaphore_blend_yolo|et les sources correspondantes sur GitHub]]**
  
yolo_darknet_sur_un_portable_optimus.txt · Dernière modification : 2020/12/27 15:09 de serge