Как сделать переносное обучение для алгоритма обнаружения объектов yolo?

Я успешно обучил йоло предсказывать мои собственные изображения с помощью эту статью. Там я изменил classes = 5 (я тренировался для 5 классов) и фильтры на 50 в строке 224 в моем файле cfg.
Я хочу перенести обучение для йоло с обучением последнего полностью подключенного слоя и softmax layer.
Мой cfg файл выглядит следующим образом.

[net]
batch=64
subdivisions=8
height=416
width=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.0001
max_batches = 45000
policy=steps
steps=100,25000,35000
scales=10,.1,.1

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky


#######

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[route]
layers=-9

[reorg]
stride=2

[route]
layers=-1,-3

[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=50
activation=linear

[region]
anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52
bias_match=1
classes=5
coords=4
num=5
softmax=1
jitter=.2
rescore=1

object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1

absolute=1
thresh = .6
random=0

training-data yolo neural-network
person Erandaka Anupama    schedule 13.04.2018    source источник

Ответы (3)


arrow_upward
2
arrow_downward

На самом деле это filters=(classes + 5)*5

Ссылка: Здесь

person azal    schedule 12.07.2018

arrow_upward
1
arrow_downward

С 5 классами вам нужно установить фильтры на 30, а не на 50. Filters = (количество классов + 1) * 5

person Maadh    schedule 04.06.2018

arrow_upward
0
arrow_downward

Я предполагаю, что вы используете фреймворк pjreddie / darknet для реализации YOLO. В этом случае вы устанавливаете дополнительный параметр stopbackward=1 на уровне, выше которого вам не нужно обновление. В файле parse.c в строке 724:

l.stopbackward = option_find_int_quiet(options, "stopbackward", 0);

Это означает, что это параметр на каждом уровне, как и batch_normalize=1, вы можете указать stopbackward=1. Таким образом, любые слои выше не будут обновлены. Это также видно в файле network.c в строке 272:

if(l.stopbackward) break;
person lamo_738    schedule 08.08.2018