使用darkflow訓練影像辨識模型

darkflow結合darknet與tensorflow，除了可以使用yolo已經訓練好的模型外，也可以自己訓練模型，輸入圖片與標記檔(xml)，讀取labels.txt就可以透過darkflow訓練自己的模型。

Step1)安裝darkflow，請參考使用darkflow結合yolo影像辨識。

如果虛擬環境已安裝，新增一個訓練資料夾，在資料夾下可以從新安裝darkflow，在執行python .\flow時才不會出現錯誤，執行以下步驟。

建立一個專案資料夾，例如：df，在資料夾df下，重新下載與安裝darkflow。

#cd df

#git clone https://github.com/thtrieu/darkflow

#cd darkflow

#pip uninstall darkflow

#pip install -e .

Step2)下載訓練用圖檔與XML標記檔，本範例使用世界級的計算機視覺比賽Pattern Analysis, Statical Modeling and Computational(PASCAL) Learning(http://host.robots.ox.ac.uk/pascal/VOC/voc2007/)的訓練資料VOCtrainval_06-Nov-2007.tar(壓縮後約400MB)。

解壓縮後將資料夾VOC2007拷貝到darkflow的上一層資料夾df下。圖片檔在JPEGImages資料夾下，XML標記檔在Annotations，資料夾下結構如下。

Step3)修改以下檔案

(1)設定檔：https://github.com/pjreddie/darknet/blob/master/cfg/yolov2-tiny-voc.cfg，放置於VOC2007資料夾下的cfg資料夾下。

修改第124行為classes=3，表示辨識三種物件

修改第118行為filters=40，因為num*(classes+5)=5*(3+5)，num在yolov2-tiny-voc.cfg的第126行。

(2)權重檔：https://pjreddie.com/media/files/yolov2-tiny-voc.weights，放置於VOC2007資料夾下的bin資料夾下。

(3)在VOC2007資料夾下，新增labels.txt，內含要辨識的物件，本範例為

tvmonitor

person

pottedplant

在VOC2007內有20種物件，分別為aeroplane、bicycle、bird、boat、bottle、bus、car、cat、chair、cow、diningtable、dog、horse、motorbike、person、pottedplant、sheep、sofa、train、tvmonitor，可以選以上20種的3種。

Step4)開始訓練，訓練時發生以下錯誤

File "C:\darkflow\darkflow\darkflow\utils\loader.py", line 77, in load

walker.offset, walker.size)

AssertionError: expect 63123056 bytes, found 63471556

修改darkflow\utils\loader.py的第121行，self.offset = 16+(63471556-63123056)

Step5)進行訓練

切換資料夾到VOC2007

#cd VOC2007

flow指令說明

python ..\darkflow\flow

--model 設定檔

--load 權重檔

--train

--annotation 標記XML資料夾

--dataset 圖片資料夾

--labels 標記名稱檔(labels.txt)

#python ..\darkflow\flow --model cfg\yolov2-tiny-voc.cfg --load bin\yolov2-tiny-voc.weights --train --annotation Annotations --dataset JPEGImages --labels labels.txt

出現以下訊息表示正在訓練，目前已經執行922次，損失為88.33761596679688。

step 921 - loss 89.11116027832031 - moving ave loss 89.31534514771508

step 922 - loss 88.33761596679688 - moving ave loss 89.21757222962327

經過10個小時後，損失降低到 5.9371

step 5012 - loss 6.518990516662598 - moving ave loss 6.504753824650983

step 5013 - loss 5.937129974365234 - moving ave loss 6.447991439622409

Step6)訓練結果

訓練過程的權重檔在VOC2007資料夾下的資料夾ckpt，儲存模型參數的暫存檔，資料夾內容如下。

Step7)如果訓練到一半中斷後，想從最後紀錄點開始訓練，使用「--load -1」，就會使用最後紀錄點權重進行訓練。

#python ..\darkflow\flow --model cfg\yolov2-tiny-voc.cfg --load -1 --train --annotation Annotations --dataset JPEGImages --labels labels.txt

Step8)將要辨識的圖片複製到sample_img資料夾下，以下指令使用最後紀錄點進行圖片辨識

#python ..\darkflow\flow --model cfg\yolov2-tiny-voc.cfg --load -1 --labels labels.txt --imgdir sample_img\