YOLOv3-tinyでオリジナルモデルを作る 2/2

#この記事でやること
この記事は前回
https://qiita.com/tayutayufk/items/4e5e35822edc5fda60c
の続きです。
引きつづき、colabのセットアップと学習を行います。

#前回まで
前回でで　

directory.txt

|-data--------
      |-train.txt
      |-test.txt
      |-obj.names
      |-obj.data
      |-output---------
                |-0.jpg
                |-0.txt
                |-1.jpg
                  ....
                |-923.jpg
                |-923.txt
                  ...

といったファイル構造を用意できたと思います。
これはいったん置いておいて、colabのセットアップを行っていきます。

#colabセットアップ
colabについての詳しい使い方については以下のサイトを見てください
https://www.codexa.net/how-to-use-google-colaboratory/

まず最初に
http://colab.research.google.com/
ここにアクセス、ノートブックを新規作成。

こういう画面になると思います。
ランタイムからランタイムのタイプを変更、GPUを選択。
こうすることでGPUを用いた計算ができるようになります。

次にGoogleDriveをマウントして、ディレクトリとして利用できるようにします

from google.colab import drive
drive.mount('/content/drive')

表示される通りに入力を行うと

contentの下にdriveが生成されます。

次は、Darknetをcolabにinstallします

%%bash
cd /content
git clone https://github.com/pjreddie/darknet

そうすると

となるので、makeする前にMakefileを編集します。
Makefileの中の

GPU=0
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0

を

GPU=1
CUDNN=0
OPENCV=1
OPENMP=0
DEBUG=0

に変更
colabに戻って

%cd /content/darknet/
!make

上手くBuildできたら、重みをDLして、前の重みだけを切り取ります。

%cd content/darknet/
!wget  https://pjreddie.com/media/files/yolov3-tiny.weights
./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15

/darknet/以下にyolov3-tiny.conv.15が生成されると思います。
これは事前学習といって、既存のモデルから重みを流用することで、短時間、少量データで効率よく学習を行えます。
筆者は昔、これを知らずに1万枚の教師画像を用意してました。あの頃は若かった.....

そんな話はさておき前回用意したデータをcolabに上げます。
一端GoogleDriveの方にアップロードしてcolabの方に移し替えるには

!rm -r content/darknet/data/
!cp -a content/drive/"My Drive"/("dataの場所")　content/darknet/data

別の方法としては、GUI上からdataを消去して、ドラック＆ドロップでもいいです。
次に古の昔に作った.pyファイルを実行します

%cd /content/darknet/data
!python process.py

最後にCNNの構造記述ファイルを変更します。
/content/darknet/cfg/yolov3-tiny.cfgを開き
一番上にある記述を以下のように変更

[net]
# Testing
batch=16
subdivisions=8
# Training
# batch=64
# subdivisions=2
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

さらに下の方に[yolo]という記述が2ヵ所あるので、その上の[convulation]を含め、classesとfiltersを改変。

[convolutional]
size=1
stride=1
pad=1
filters=18
activation=linear

[yolo]
mask = 0,1,2
anchors = 10,14,  23,27,  37,58,  81,82,  135,169,  344,319
classes=1

filterの所を18にするのは1-classの場合で、複数クラスの場合は(classの数+5)*5を代入してください。

追記
[yolo]の改変ですが、3か所あるとかないとか....
自分がやったときはcfgには２ヵ所しかありませんでした

以上でcolabでの準備は終わりです。

#学習
果てしなく長い道を経て、ついに我々は以下のコマンドにたどり着いたのである。
ということでコマンドを入力

%cd /content/darknet/
!./darknet detector train data/obj.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15

そしたら学習が始まります。
コーヒーでも一杯入れて、休憩しましょう。

上手くいかない場合は、立ち返ってよく読んでみてください。
特に、Couldn't open train.txtとある場合は、obj.dataをSHIJI,CRLFで記述している可能性が高いです。

#テスト
学習が進むと/content/darknet/backup内に.weightsファイルが生成されているはずです。
それを用いて、以下のコマンドを入力。

%cd /content/darknet/
!./darknet detect cfg/yolov3-tiny.cfg backup/yolov3-tiny_900.weights data/output/0.jpg

そしたら`predictions.jpg'が生成されるのでpythonを用いて表示させると

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("predictions.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.show()

こんな感じに認識すればOK(タグの名前が違うけど気にしない)

最後に生成されたweightsはダウンロードしておきましょう。colabは閉じるとリセットされます。

#最後に
他人の作ったプログラムを利用するのは大変。自分で作った方が....
次はJetsonで動かす記事でも書こうかな