Différences

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

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision
Révision précédente
Dernière révision Les deux révisions suivantes
yolo_darknet_sur_un_portable_optimus [2019/06/24 21:39]
serge [Installation de cuda,cudnn, opencv-python]
yolo_darknet_sur_un_portable_optimus [2019/10/20 13:57]
serge [Préparation]
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 96: Ligne 96:
 {{:​2019_04:​shot_1916_z.jpg?​200|}} {{:​2019_04:​shot_1916_z.jpg?​200|}}
 {{:​2019_04:​shot_59248_j.jpg?​200|}} {{:​2019_04:​shot_59248_j.jpg?​200|}}
- 
-Les commandes pour exécuter .darknet ont comme argument: 
-  axe/​obj.data axe/​yolov3-obj_3l_labo_axe.cfg darknet53.conv.74 
   ​   ​
 **darknet53.conv.74** **darknet53.conv.74**
Ligne 189: Ligne 186:
  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 217:
  
 =====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: 2019/10/20 13:57
  • par serge