Chương 4 : CHƯƠNG TRÌNH NHẬN DIỆN ĐỐI TƯỢNG
4.3. Train data trên Google Colab
4.3.1. Train data – model Yolov3
Bước 1: Resize tất cả ảnh cho cùng kích thước bằng phần mềm trước khi gán nhãn. Bước 2: Thực hiện gán nhãn bằng cơng cụ labelImg Tool:
– Xóa các danh mục trong file data/predefined_classes.txt – Chọn Open Dir => chọn đến thư mục chứa ảnh.
– Chọn Open change dir => chọn thư mục chứa ảnh.
– Gán nhãn xong phải mở file classes.text => xóa dịng trống cuối cùng.
Bước 3: Mở file classes.txt trong custom_data => Save as => classes.names (All type
(*)).
Bước 4: Tạo file train.txt và test.txt:
72 cd Downloads\train\custom_data
– Liệt kê File ảnh: dir/s/b *.jpg
– Xuất đường dẫn file ảnh: dir/s/b *.jpg >train.txt
– Replace đường dẫn trong file train.txt => custom_data/xxxx.jpg – Xóa dịng trống cuối cùng trong train.txt => Save
– Mở file train.txt => save as tạo file test.txt.
– File train.txt va test.txt được lưu trong file custom_data.
Bước 5: Tạo file labelled_data.data:
– Mở Notepab và gõ nội dung như sau: classes = 5 (số lượng vật thể)
train = custom_data/train.txt valid = custom_data/test.txt
names = custom_data/classes.names backup = backup
– Lưu và đuổi đuôi từ “.txt” sang “.data”
– File labelled_data.data cũng được lưu trong file custom_data.
Bước 6: Zip thư mục chứa ảnh (đặt tên thư mục là custom_data).
Bước 7: Upload file custom_data.zip vào thư mục yolo_custom_model_Training
trên Google Drive.
Bước 8: Mở Google colab: colab.research.google.com Bước 9: Liên kết Colab với Drive:
from google.colab import drive drive.mount('/content/drive')
73
Bước 10: Liệt kê tệp trong thư mục yolo_custom_model_Training
ls '/content/drive/My Drive/yolo_custom_model_Training'
Bước 11: Download file darknet vào thư mục yolo_custom_model_Training trong
Drive.
!git clone 'https://github.com/AlexeyAB/darknet.git' '/content/drive/My Drive/ yolo_custom_model_Training/darknet'
Bước 12: Chuyển đến thư mục darknet
%cd /content/drive/My Drive/yolo_custom_model_Training/darknet
Bước 13: Liệt kê file có trong thư mục darknet
!ls => xóa !ls => gõ !make => run
Bước 14: Download và chỉnh sửa file makefile
– GPU = 0 => 1 – CUNN = 0 => 1 – OPENCV = 0 => 1
Bước 15: Xóa makefile cũ trên drive => upload makefile mới lên drive
– Khi xóa phải xem makefile đã mất bên thư mục của colab chưa. – Khi upload cũng phải xem makefile đã tải lên colab chưa.
Bước 16: Tải và sửa file yolov3.cfg trong thư mục darknet/cfg:
– batch = 64
– subdivisions = 16 – width = 288 – height = 288
– max_batches = classes*2000 ( >= 6000) – step = 0.8* max_batches, 0.9* max_batches
74 – Find => [yolo]
– Classes = số lượng vật thể – Filters = (classes + 5)*3
– Save as yolov3.cfg => yolov3_custom.cfg => upload lên darknet/cfg – Khi upload phải xem bên colab có chưa.
Bước 17: Tạo file custom_weight trong yolo_custom_model_Training => Upload
file darknet53.conv.74 vào thư mục custom_weight.
Bước 18: Tạo file backup trong yolo_custom_model_Training. Bước 19: Chuyển đến thư mục yolo_custom_model_Training
%cd /content/drive/My Drive/yolo_custom_model_Training
Bước 20: Gõ và chạy lệnh: !darknet/darknet
Hình 4.14. Thứ tự Train Yolov3 bước 1 – 20 Bước 21: Thực hiện lại các bước với thời gian chạy là GPU: Bước 21: Thực hiện lại các bước với thời gian chạy là GPU:
– Runtime lại thành GPU – Liên kết Colab với Drive
75 – Liệt kê tệp trong thư mục yolo_custom_model_Training
– Chuyển đến thư mục darknet
– Liệt kê file có trong thư mục darknet => chạy lệnh !make – Chuyển đến thư mục yolo_custom_model_Training – Gõ và chạy lệnh: !darknet/darknet
– Unzip file custom_data
!unzip '/content/drive/My Drive/yolo_custom_model_Training/custom_data.zi p' -d '/content/drive/My Drive/yolo_custom_model_Training'
– Chuyển đến thư mục yolo_custom_model_Training – Gõ và chạy lệnh:
!darknet/darknet detector train custom_data/labelled_data.data darknet/cfg/yol ov3_custom.cfg custom_weight/darknet53.conv.74 -dont_show
76