More than 3 years have passed since last update.

物体認識のYOLO V4を試してみる。yolov3_5lに比べて精度と速度は良い。

Last updated at 2021-02-02Posted at 2020-04-26

YOLO　V4が出たので試してみる

本家が出してるわけではないらしい。
お世話になっているhttps://github.com/AlexeyAB
に上がっていたので試してみた。

結果から書くとyolov3_5l.cfgに比べてv4は精度と速度両方とも良い。

AlexeyABさんありがとう！

早速自分のサービスに乗っけてみました。
https://funnel-service.com/

類似度モデルがまだ甘いので
ただいま改善中！

動機

自分のサービスでyolov3_5lを使っていたのですが、夜な夜な作業で教師データを整理して精度を上げたので再学習が必要になった。
せっかくなので最新のフレームワークで学習。そしたらめっちゃ遅い。
AlexeyABさんに質問したらバグかも・・とのこと。
最終的に５レイヤーは重いからv4も試してみろとのとこと。
100%google翻訳で質問しましたが・・・・なんとか・・・
AlexeyABさん親切です！

ビルドとか

Windowsでclone>sln openして・・いろいろ設定して・・ではビルドできなくて
cmakeでやらないとダメだった。

cmakeでやるとサクサクやってくれる
~~~RTX TaitanならTensor Coreも自動でONにしてくれるっぽい。~~~
うそでした。Tensor Core入ってるならCUDNN_LIBRARY_DLLをチェックすべし。

こりゃいいわ。

https://github.com/AlexeyAB/darknet
をよく読んでおけばOK。

ちなみに、
Release\pthreadGC2.dll
Release\pthreadVC2.dll
のようにdllを入れておく必要がある。

2021/02/23　追記
自分の環境が壊れてとても大変だったのでやっぱりメモは必要！
（システム環境変数を吹っ飛ばしてしまいどうにもならなくなった。）

手順は
・Windowsインストール
・Visual Studio 2019インストール（CUDAより先に入れる）
・CUDA11.0と対応するCUDNNインストール
・opencv-4.5.1-vc14_vc15インストール
・・システム環境変数に追加
・・C:\opencv\build\x64\vc15\lib
・・C:\opencv\build\x64\vc15\bin
・cmake-3.19.4-win64-x64インストール
とりあえずこれだけ入れればOK！

コードの修正

多コアなCPUの場合は

darknet/src/detector.cのLines 152 あたりにある

 args.threads = 6 * ngpus;   // 3 for - Amazon EC2 Tesla V100: p3.2xlarge (8 logical cores) - p3.16xlarge 
 //args.threads = 12 * ngpus;    // Ryzen 7 2700X (16 logical cores)

を適当に修正するが・・そんなに変わらない。
2019/06あたりのソースコードだと倍くらい早くなったのに。

同じソースの
383行付近

        //if (i % 1000 == 0 || (i < 1000 && i % 100 == 0)) {
        if (iteration % 100 == 0) {
        //if (iteration >= (iter_save + 1000) || iteration % 1000 == 0) {

重みの保存間隔を変える