Darkflow: योलो 9000

विन्यास यहाँ है , ऐसा लगता है कि लेखक YOLO9000 भार फ़ाइल प्रदान नहीं करता है।

त्वरित उत्तर के लिए धन्यवाद! मैं weights9000 खोजने की कोशिश करूँगा और दूसरों की मदद के लिए इसे यहाँ पोस्ट करूँगा।

वज़न फ़ाइल यहाँ है: http://pjreddie.com/media/files/yolo9000.weights

क्या आपने इसे काम करने का प्रबंधन किया? मैंने वज़न फ़ाइल और साथ ही कॉन्फ़िगरेशन फ़ाइल डाली और मैंने 9k.names फ़ाइल भी डाउनलोड की। प्रसंस्करण में बहुत अधिक समय नहीं लगा, लेकिन पोस्ट प्रोसेसिंग में सामान्य yolo.cfg और yolo.weights सेटअप के साथ लगभग 10x का समय लगा। अंत में किसी भी रिटर्न इमेज में कोई बाउंडिंग बॉक्स नहीं दिखा। क्या मुझसे कुछ गलत हो रही है?

मैंने yolo9000.cfg , पता चला कि अभी और काम करना बाकी है। yolo9000 सामान्य सॉफ्टमैक्स नहीं बल्कि एक समूहबद्ध करता है। अभी बहुत व्यस्त हूं, मैं उस पर काम करने की कोशिश करूंगा लेकिन कम से कम इस सप्ताह और अगले सप्ताह में तो नहीं।

हाँ बिल्कुल चिंता नहीं। इन मुद्दों पर आपकी प्रतिक्रिया का समय बहुत तेज़ है :) आपके द्वारा इसमें किए गए सभी कार्यों के लिए बहुत-बहुत धन्यवाद - यह वास्तव में एक साफ-सुथरी परियोजना है। मैं सिर्फ यह सुनिश्चित करना चाहता था कि मैं कुछ गलत नहीं कर रहा था जिससे समस्या पैदा हो रही थी - इसे हल करने में कोई जल्दबाजी नहीं है।

क्या कोई खबर है?
मुझे अबगशॉ जैसी ही समस्या है।
पोस्ट प्रोसेसिंग 10x धीमी और कोई बाउंडिंग बॉक्स नहीं।
क्या मुझे cfg फ़ाइल को बदलना है और कैसे?

धन्यवाद!

@thtrieu क्या हम इस मुद्दे को तब तक फिर से खोल सकते हैं जब तक कि यह ठीक न हो जाए क्योंकि फिलहाल मुझे नहीं लगता कि डार्कफ्लो में YOLO 9000 कार्यक्षमता है?

मैं अपने थीसिस प्रोजेक्ट के लिए YOLO9000 का उपयोग करने जा रहा हूं (हालांकि मैं इसे बहुत अधिक अनुकूलित करूंगा), और चूंकि यह YOLOv2 का एकमात्र टेंसरफ़्लो कार्यान्वयन है, मुझे लगता है कि मुझे लगता है कि मैं इसे आधार के रूप में उपयोग करूंगा। जब यह समाप्त हो जाएगा तो मैं अपना कार्यान्वयन जोड़ दूंगा, लेकिन इसमें कुछ और सप्ताह लगेंगे, इसलिए यदि किसी के पास और अधिक समय है, तो इससे मुझे भी काफी मदद मिलेगी! ;)

मेरे पास अगले कुछ दिनों में कुछ समय है - हालांकि एमएल के बारे में मेरी समझ और वास्तव में यहां पर्दे के पीछे क्या चल रहा है, बहुत उथला है। मुझे बिल्कुल यकीन नहीं है कि YOLO 9000 को काम करने के लिए क्या करने की आवश्यकता है - यदि यह बहुत जटिल नहीं है तो क्या कोई संक्षेप में बता सकता है कि क्या करने की आवश्यकता है और मैं इसे एक शॉट दूंगा (यदि यह बहुत जटिल है तो परेशान न हों मुझे संदेह है कि मैं बहुत दूर हो जाऊंगा :))

@abagshaw .cfg में निम्नलिखित मापदंडों को समझने के लिए क्या करने की आवश्यकता है

random=1
tree=data/9k.tree
map = data/coco9k.map

इन्हें वर्तमान कोड द्वारा meta dict में पढ़ा जाएगा, एकमात्र कोड जिसे संशोधित करने की आवश्यकता है वह पोस्ट प्रोसेस फ़ंक्शन है, जो वर्तमान में आउटपुट टेंसर की व्याख्या करने के लिए meta['random'], meta['tree'], meta['map'] को ध्यान में नहीं रखता है और बाउंडिंग बॉक्स ड्रा करें।

लेकिन क्या इसे सॉफ्टमैक्स के पूरी तरह से अलग कार्यान्वयन की आवश्यकता नहीं होगी (आसान होना चाहिए, बस इसे पेड़ की विभिन्न परतों पर विभाजित करें) और इस सॉफ्टमैक्स पर बैकप्रॉपैगैशन की? (जैसा कि बैकप्रॉप को केवल शामिल सॉफ्टमैक्स नोड्स पर चलाना चाहिए?)

हाँ क्षमा करें दोस्तों - मुझे लगता है कि यह मेरे सिर के ऊपर है। मैं https://github.com/pjreddie/darknet/commit/d2dece3df743c97f2cfbb9bbf0dd0449a8730cec के माध्यम से तलाश कर रहा था और वहां बहुत कुछ चल रहा है जो मुझे समझ में नहीं आता है। मैं इधर-उधर ताक-झांक करता रहूंगा लेकिन मुझे नहीं लगता कि मैं बहुत दूर जा पाऊंगा।

इस पर कोई अपडेट?

हाँ क्षमा करें, मैंने तय किया कि yolo9000 वर्गीकरण परत को तेज़-RCNN पर केवल टेंसरफ़्लो में चिपकाना तेज़ होगा। जब मेरी थीसिस समाप्त हो जाएगी, तो मैं एक साथ कुछ शौक देख सकता हूं, लेकिन वह 4 महीने के लिए नहीं होगा;)

ड्राट - यह बहुत बुरा है। मैं अपने सिर को लपेटने की कोशिश कर रहा हूं कि यह संपूर्ण वर्डनेट पेड़ वर्गीकरण चीज yolo9000 में कैसे काम करती है। काश मैं इस सामान को बेहतर ढंग से समझ पाता ताकि मैं मदद कर सकूं। उम्मीद है कि किसी के पास जल्द ही इस कार्यक्षमता को जोड़ने का समय होगा :)

दोस्तों, मैंने YOLO 9000 के लिए एक रिपॉजिटरी बनाई है। यहाँ सब कुछ समझाया गया है। इसकी जांच - पड़ताल करें:

https://github.com/philipperemy/yolo-9000

यह डार्कफ्लो के बजाय डार्कनेट का उपयोग करता है लेकिन मुझे लगता है कि इसे पोर्ट करना काफी आसान होना चाहिए।

@abagshaw @TheLaurens @saiprabhakar @thtrieu @frey123

@philipperemy धन्यवाद, शायद मुझे कुछ याद आ रहा है - लेकिन मुझे यकीन नहीं है कि यह हमें डार्कफ्लो में YOLO9000 को लागू करने के करीब कैसे ले जाता है?

अगर आपको YOLO9000 को डार्कफ्लो में पोर्ट करने का मन करता है तो यह बहुत अच्छा होगा :) :)

@abagshaw का डार्कनेट के लिए काम करना पहला कदम था। अब मैं इस पर ध्यान केंद्रित करने जा रहा हूं कि इसे डार्कफ्लो के लिए कैसे काम किया जाए!

@philipperemy बढ़िया! हमें तैनात रखें :)

@philipperemy डार्कफ्लो में काम करने के लिए YOLO9000 प्राप्त करने पर कोई प्रगति? :)

क्षमा करें अभी भी कोई बड़ी प्रगति नहीं हुई है! मैं अभी अपने काम में व्यस्त हूँ :)

सभी को धन्यवाद।

क्या मैं इस विषय से संबंधित कुछ प्रश्न पूछ सकता हूँ?
वर्तमान मैं 2 वर्गों को वर्गीकृत करने के लिए yolo.cfg को बदलता हूं। वजन के लिए मैं yolo.weights का उपयोग करता हूं। मॉडल को प्रशिक्षित करने के बाद, यह बहुत अच्छी तरह से काम करता है।

Q1: इस मुद्दे से, ऐसा लगता है कि मुझे अलग-अलग कक्षाओं के लिए अलग-अलग वजन चाहिए। मुझे याद है yolo.weights कम से कम 20 कक्षाओं के लिए उपयोग किया जाता है। क्या मैं सही हूँ?

Q2: मैं कितने वर्गों के लिए इस yolo.weights का उपयोग कर सकता हूं?

Q3: क्या 2 वर्गों के लिए एक मॉडल के चेकपॉइंट का उपयोग दूसरे मॉडल के लिए शुरुआती वजन के रूप में करना संभव है, जैसे कि 3 कक्षाएं?

एक बार फिर धन्यवाद।

@ chengs2000 आपके प्रश्न वास्तव में YOLO9000 से संबंधित नहीं हैं - शायद अपने प्रश्न को एक नए अंक में पोस्ट करें और इसे वहां संबोधित किया जा सकता है।

नमस्ते, जब तक कि कोई पहले से ही ऐसा नहीं कर रहा है (@philipperemy?) मैं कोशिश करने जा रहा हूं। कुछ दिनों में परिणामों के साथ रिपोर्ट करेंगे।

@relh कृपया आगे बढ़ें! मेरे पास इस पर ध्यान केंद्रित करने के लिए ज्यादा समय नहीं था।

@relh कोई प्रगति? 😃

मुझे यह काम मिल गया! :)

मैं अभी यह पता लगाने की कोशिश कर रहा हूं कि पीआर के लिए अपने परिवर्तनों को सर्वोत्तम तरीके से कैसे व्यवस्थित किया जाए। मैंने देखा है कि पिछले कुछ दिनों में बहुत कुछ बदल गया है।

मैं वर्तमान के रूप में इसमें से अधिकांश राशि एक अलग darkflow/cython_utils/cy_yolo9000_findboxes.pyx लेकिन मैं शायद में रोल कर सकता है cy_yolo2_findboxes.pyx और की अगर बयान में एक और मेटा कुंजी को शामिल labels की विधि darkflow/darkflow/yolo/misc.py (और फिर लूप में कूदने से पहले फाइंडबॉक्स में सॉफ्टमैक्स तकनीक के बीच एक विभाजन करें)।

मैं पहले से ही में लेबल विधि में अगर बयान में चला गया misc.py जोड़ने के लिए एक hyponym_map जो एक dict डेटा फ़ाइलों प्रति अपने बच्चे नोड्स की एक सूची के लिए एक माता पिता के सूचकांक मानचित्रण है।

साथ ही, मेरे पास वर्तमान में मेरे cfg/फ़ोल्डर में डेटा/फ़ोल्डर है और मैं फ़ाइल पथों के लिए कॉन्फ़िगरेशन और meta['tree'] और meta['map'] के पथ में शामिल हो रहा हूं।

यदि आप सभी के पास कोई इनपुट नहीं है तो मैं पीआर को वही बनाऊंगा जो मुझे समझ में आता है, अन्यथा मैं सभी कान हूँ!

@relh बहुत बढ़िया! इस पर आपके काम के लिए बहुत-बहुत धन्यवाद !!

मेरे 2 सेंट के लिए: यदि आपका cy_yolo9000_findboxes.pyx कोड cy_yolo2_findboxes.pyx में पहले से लिखे गए कोड से पूरी तरह अलग है, तो कोई नई फ़ाइल बनाने से कोई समस्या नहीं है - लेकिन यदि वे अधिकांश समान कोड साझा करते हैं तो यह मौजूदा फ़ाइल में अपने परिवर्तनों को रोल करने का प्रयास करना शायद एक बेहतर विचार होगा (डुप्लिकेट कोड जोड़ने से बचने के लिए)। आपके द्वारा किए गए परिवर्तनों को देखे बिना मेरे लिए बहुत अधिक इनपुट देना कठिन है (मैं इस बात से बिल्कुल अपरिचित हूं कि YOLO9000 YOLOv2 से कैसे भिन्न है) - इसलिए मैं इन परिवर्तनों को कैसे रोल करना है, इस पर आपके सर्वोत्तम निर्णय के साथ जाऊंगा।

पीआर के लिए तत्पर हैं!

@relh बहुत बहुत धन्यवाद !! क्षमा करें, मैं हाल ही में बहुत व्यस्त था और मेरे पास इस पर काम करने का समय नहीं था!

@relh यह बहुत अच्छी खबर है। पीआर के लिए तत्पर हैं।

महान! (इस मुद्दे को बंद करने के लिए तत्पर हैं)।

क्या यह मुद्दा बंद है? क्या हमारे पास YOLO9000 के लिए टेंसरफ़्लो कार्यान्वयन है? कृपया मुझे उसी की ओर इशारा करें। धन्यवाद।

इस अंक में प्रश्न: pjreddie अपनी YOLO वेबसाइट पर YOLO9000 को YOLOv2 के रूप में संदर्भित करता है। यदि आप "संस्करण 2 में नया क्या है" अनुभाग में जाते हैं और पेपर के लिंक पर क्लिक करते हैं, तो यह YOLO9000 पेपर खोलता है।

तो अगर डार्कफ्लो में कोई YOLO9000 कार्यान्वयन नहीं है, तो डार्कफ्लो के संदर्भ में YOLOv2 वास्तव में क्या है?

Yolo9k बाउंडिंग बॉक्स लर्निंग मेथड के साथ इमेजनेट पर प्रशिक्षित मॉडल है जबकि डिफ़ॉल्ट yolov2 COCO पर प्रशिक्षित है।

@philipperemy

1) ऐसा लगता है कि आपका कोड केवल CPU पर काम करता है, क्या आप जानते हैं क्यों?
2) अब आपके प्रोजेक्ट और डार्कनेट में क्या अंतर है?

धन्यवाद!

@moskiteau कोड GPU पर अच्छा काम करता है
मेरा प्रोजेक्ट डार्कनेट पर आधारित है और इसमें YOLO9000 चलाने के लिए सब कुछ है।

सीपीयू ध्वज के साथ संकलित:

seb@PHQ-4035-En:~/projects/stockshot/darknet$ ./darknet detector test cfg/combine9k.data cfg/yolo9000.cfg yolo9000.weights data/person.jpg
layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   544 x 544 x   3   ->   544 x 544 x  32
    1 max          2 x 2 / 2   544 x 544 x  32   ->   272 x 272 x  32
    2 conv     64  3 x 3 / 1   272 x 272 x  32   ->   272 x 272 x  64
    3 max          2 x 2 / 2   272 x 272 x  64   ->   136 x 136 x  64
    4 conv    128  3 x 3 / 1   136 x 136 x  64   ->   136 x 136 x 128
    5 conv     64  1 x 1 / 1   136 x 136 x 128   ->   136 x 136 x  64
    6 conv    128  3 x 3 / 1   136 x 136 x  64   ->   136 x 136 x 128
    7 max          2 x 2 / 2   136 x 136 x 128   ->    68 x  68 x 128
    8 conv    256  3 x 3 / 1    68 x  68 x 128   ->    68 x  68 x 256
    9 conv    128  1 x 1 / 1    68 x  68 x 256   ->    68 x  68 x 128
   10 conv    256  3 x 3 / 1    68 x  68 x 128   ->    68 x  68 x 256
   11 max          2 x 2 / 2    68 x  68 x 256   ->    34 x  34 x 256
   12 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   13 conv    256  1 x 1 / 1    34 x  34 x 512   ->    34 x  34 x 256
   14 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   15 conv    256  1 x 1 / 1    34 x  34 x 512   ->    34 x  34 x 256
   16 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   17 max          2 x 2 / 2    34 x  34 x 512   ->    17 x  17 x 512
   18 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   19 conv    512  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x 512
   20 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   21 conv    512  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x 512
   22 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   23 conv  28269  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x28269
   24 detection
mask_scale: Using default '1.000000'
Loading weights from yolo9000.weights...Done!
data/person.jpg: Predicted in 13.577125 seconds.
Tuareg: 25%
wild horse: 27%
goat herder: 82%
Shetland pony: 86%
German shepherd: 48%
Gordon setter: 51%
seb@PHQ-4035-En:~/projects/stockshot/darknet$

और GPU ध्वज के साथ संकलित:

seb@PHQ-4035-En:~/projects/stockshot/darknet$ ./darknet detector test cfg/combine9k.data cfg/yolo9000.cfg yolo9000.weights data/person.jpg
layer     filters    size              input                output
    0 conv     32  3 x 3 / 1   544 x 544 x   3   ->   544 x 544 x  32
    1 max          2 x 2 / 2   544 x 544 x  32   ->   272 x 272 x  32
    2 conv     64  3 x 3 / 1   272 x 272 x  32   ->   272 x 272 x  64
    3 max          2 x 2 / 2   272 x 272 x  64   ->   136 x 136 x  64
    4 conv    128  3 x 3 / 1   136 x 136 x  64   ->   136 x 136 x 128
    5 conv     64  1 x 1 / 1   136 x 136 x 128   ->   136 x 136 x  64
    6 conv    128  3 x 3 / 1   136 x 136 x  64   ->   136 x 136 x 128
    7 max          2 x 2 / 2   136 x 136 x 128   ->    68 x  68 x 128
    8 conv    256  3 x 3 / 1    68 x  68 x 128   ->    68 x  68 x 256
    9 conv    128  1 x 1 / 1    68 x  68 x 256   ->    68 x  68 x 128
   10 conv    256  3 x 3 / 1    68 x  68 x 128   ->    68 x  68 x 256
   11 max          2 x 2 / 2    68 x  68 x 256   ->    34 x  34 x 256
   12 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   13 conv    256  1 x 1 / 1    34 x  34 x 512   ->    34 x  34 x 256
   14 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   15 conv    256  1 x 1 / 1    34 x  34 x 512   ->    34 x  34 x 256
   16 conv    512  3 x 3 / 1    34 x  34 x 256   ->    34 x  34 x 512
   17 max          2 x 2 / 2    34 x  34 x 512   ->    17 x  17 x 512
   18 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   19 conv    512  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x 512
   20 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   21 conv    512  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x 512
   22 conv   1024  3 x 3 / 1    17 x  17 x 512   ->    17 x  17 x1024
   23 conv  28269  1 x 1 / 1    17 x  17 x1024   ->    17 x  17 x28269
   24 detection
mask_scale: Using default '1.000000'
Loading weights from yolo9000.weights...Done!
data/person.jpg: Predicted in 0.060738 seconds.
African: 25%
worker: 82%
horse: 86%
working dog: 48%
hunting dog: 50%

./डार्कनेट डिटेक्टर टेस्ट cfg/combine9k.data cfg/yolo9000.cfg yolo9000.weights data/person.jpg -thresh .25 -hier .001

क्या कोई बता सकता है कि 9000 लेबल ट्री की संरचना क्या है? फ़ाइल 9k.tree में, उदाहरण के लिए n0000245 -1, n0566538625 4, -1 और 4 का क्या अर्थ है? मैं इस फ़ाइल 9k.tree के साथ वृक्ष संरचना कैसे बना सकता हूं?

@yaxiongchi
-1 का अर्थ है पेड़ की जड़
4: पिता नोड का सूचकांक