Cấu hình darknet

Một phần của tài liệu BÀI TẬP LỚN Sử dụng thuật toán YOLO để nhận diện người đeo khẩu trang (Trang 35 - 37)

CHƯƠNG 3 KHỞI TẠO GOOGLE COLAB

4.3 Cấu hình darknet

4.3.1 Tạo file object name

Đây là files chứa tên các classes mà chúng ta sẽ huấn luyện mơ hình. Trên file này, thứ tự các classes name cần phải đặt đúng với index của nó trong các file label của vật thể.

Đoạn code trên sử dụng lệnh echo của bash để tạo và write nội dung vào file obj.names. Sau đó, một file obj.names được tạo thành trong project foler. Bạn có thể mở file này ra để kiểm tra nội dung.

4.3.2 Tạo file config data

 Thư mục backup mơ hình huấn luyện. Chạy lệnh bên dưới để tạo file này.

4.3.3 Tạo file config model

Đây là bước quan trọng nhất khi huấn luyện model YOLO. Chúng ta sẽ sử dụng file yolov3.cfg để cấu hình mơ hình huấn luyện. Các bạn download file trên về máy và điều chỉnh các dòng:

 Tại các dòng 610, 696, 783: Thay classes=80 thành classes=5 là số lượng classes chúng ta huấn luyện.

 Tại các dòng 603, 689, 776: Thay số lượng filters=255 về filter=30. Đây chính là layer cuối cùng của base network. Do đó chúng có output shape thay đổi theo số lượng classes theo đúng công thức của bài trước đó là: (n_classes + 5)x3 = (5+5)x3 = 30.

 max_batches: tại dòng 20 là số lượng steps tối đa để huấn luyện models YOLO. Đối với dữ liệu 5 classes chỉ cần điều

chỉnh max_batches=5000 là có thể có nghiệm tốt.

 burn_in: Tại dòng 19 là số lượng steps ban đầu được giữ sao cho learning_rate rất bé. Giá trị này sẽ tăng dần từ 0 đến learning_rate. Sau đó learning_rate sẽ được giữ ổn định. Thực nghiệm cho thấy thiết lập learning_rate bé ở những steps đầu sẽ giúp cho thuật toán hội tụ nhanh hơn. Do số lượng max_batches chỉ là 5000 nên cần điều chỉnh giảm burn_in = 100.

 steps: Tại dòng 22. Điều chỉnh về steps=4000,4500. Đây là các vị trí step mà chúng ta sẽ bắt đầu giảm dần learning_rate vì thuật tốn đã đạt tới điểm hội tụ nên không cần thiết lập learning_rate quá cao. Sau khi thực hiện các thay đổi xong, các bạn save file lại và push lên project darknetGoogleColab của google driver.

Trước đó, hãy đổi tên lại thành yolov3-5c-5000-maxsteps.cfg để đánh dấu đây là cấu hình cho yolo version 3 với 5 classes và 5000 bước huấn luyện. Các file config này đã có sẵn trong github repo nên có thể download về sử dụng ngay.

Một phần của tài liệu BÀI TẬP LỚN Sử dụng thuật toán YOLO để nhận diện người đeo khẩu trang (Trang 35 - 37)

Tải bản đầy đủ (PDF)

(48 trang)