问题标签 [darknet]

我正在 Jetson TX2（带有 ARM 处理器）上开发一个对性能至关重要的图像处理管道，其中包括读取一组图像，然后通过Darknet执行基于深度学习的对象检测。用 C 编写的 Darknet 对图像的存储方式有自己的表示，这与 OpenCV 的 IplImage 或 Python numpy 数组存储图像的方式不同。

在我的应用程序中，我需要通过 Python 与 Darknet 交互。所以，到目前为止，我正在将一批图像（通常是 16 个）读入一个 numpy 数组，然后使用 ctypes 将其作为一个连续数组传递给 Darknet。在 Darknet 中，我必须重新排列像素的顺序以从 numpy 格式变为 Darknet 的格式。

虽然输入数组是一个连续的块，按列排列，然后按行排列，然后按通道排列，然后按图像排列，但暗网格式需要先按通道排列，然后按列排列，然后按行排列：并且包含一个批处理中每个图像的行而不是连续的块。下图试图展示差异。在这个例子中，我假设一个ixj图像。(0,0)、(0,1) 等表示 (row, col)，而在顶部，C0、C1、C2.. 等表示相应行中的列。请注意，在将多个图像作为批处理的一部分的情况下，输入格式将它们一个接一个地顺序排列，但 Darknet 需要它们位于不同的行上：每一行仅包含来自一个图像的数据。

到目前为止，我在 C 中将输入数组转换为 Darknet 格式的代码如下所示，它迭代地命中每个通道中的每个像素并将其放置在不同的位置，同时还对沿途的像素进行归一化。

有没有更有效的方法在 C 中进行这种重新排列和规范化？

• 我正在使用 Jetson TX2：它包含一个 ARM 处理器和一个 NVIDIA GPU，因此可以访问 NEON 和 CUDA 以及 OpenMP。
• 图像尺寸是固定的，可以硬编码：只有批量大小可以改变。

我正在尝试训练一个模型来检测巴基斯坦汽车的车牌。我发现了一种更快的技术，叫做 YOLO。这是一个链接YOLOv2

我正在关注的训练 YOLOv2 的博客是这个博客

根据这个博客，我需要有汽车的图像，我需要对这些图像进行注释（需要标记车牌的位置）以准备测试数据和训练数据。问题是我已经有表格的训练数据

而本教程要求我从这样的汽车图像中进行注释。

如果有人使用过 YOLO，请告诉我如何避免标注并使用我自己的训练数据来训练 YOLO 模型。

我在互联网上搜索过，但发现的信息很少，我不明白每个变量/值在 yolo 的.cfg文件中代表什么。所以我希望你们中的一些人能提供帮助，我不认为我是唯一一个遇到这个问题的人，所以如果有人知道 2 或 3 个变量，请发布它们，以便将来需要这些信息的人可以找到它们。

我想知道的主要是：

• 批

• 细分

• 衰变

• 势头

• 渠道

• 过滤器

• 激活

所以我有一台笔记本电脑，它有GTX1050ti，cpu 是i7 7700hq，我很好奇我应该选择哪个版本，这样它才能适合我笔记本电脑的性能，而且YOLO可以预测图像还是只是实时检测？

我正在使用暗网创建自定义训练模型，并尝试使用以下命令将生成的权重文件转换为张量流权重文件：

执行成功，生成一个.pb文件。原始权重文件能够检测到对象，但是当我运行 .pb 文件时没有检测到。

这是我运行 .pb 文件时的输出：

我遇到了 OpenCL 版本的 Darknet 的问题。我深入研究了实现并意识到问题出在softmax内核的调用中（发生在https://github.com/ganyc717/Darknet-On-OpenCL/blob/c13fefc66a13da5805986937fccd486b2b313c24/darknet_cl/src/blas_kernels_cl.cpp# L1020 )。我在 github ( https://github.com/ganyc717/Darknet-On-OpenCL/issues/4 ) 上的一个问题中报告了它。但与此同时，我试图了解可能发生的事情。

我分析了算法执行预测所需的时间，并且它会随着运行而增加。出于好奇，我决定在每次运行之前重新加载所有网络，然后算法预测所花费的时间保持稳定，因此在我看来，这取决于算法的持续执行。

对我来说奇怪的是，随着时间的推移，它似乎变慢的是对内核的调用，即对 clEnqueueNDRangeKernel 的调用。我不是 OpenCL 专家，但多次执行内核变慢似乎不合逻辑。会不会是内存问题？它对执行时间有何影响？我有点失落，任何帮助表示赞赏。

PD：在 OpenCL 中的“clEnqueueNDRangeKernel”的一个奇怪的 Timinig 问题中报告了一个类似的问题，但未标记答案。它有一个与测量时间的方式有关的评论，但我认为这不是我的情况，因为时间显然在增长。

编辑：我修改了代码以启用 CL_QUEUE_PROFILING_ENABLE。然后我添加了以下几行来分析 enqueue 调用：

这些时间度量保持稳定......这让我更加困惑。似乎 GPU 运行它自己需要相同的时间，但是当 cpu 调用的度量时它会随着时间增长：

我曾经在 Ubuntu 18.04 上安装过 OPENCV 3.4.1。我试图在我的机器上编译 YOLO3，但编译失败导致我遇到了这个问题。该问题中的一项建议建议使用 3.4.0 并且它有点工作。

我将这些选项与 cmake 一起使用：

然后我做了

使用 opencv 3.4.0 我能够编译它。但是，当我尝试运行它时，我收到了错误（如下所示）。这很奇怪，因为我刚刚安装了 3.4.0，它显示了一些与 3.4.1 相关的错误。

当我什至没有安装它时，它不应该显示 3.4.1 错误。我还删除了我之前编译 3.4.1 的目录，但错误仍然指向已删除的目录（<local_path>/opencv-3.4.1/）。位于我的主文件夹中，其中包含许多名称奇怪的目录。因此我将其排除在外以避免任何混淆。

我能够确认 3.4.0 安装了：

我想知道是什么导致了上面提到的错误（与断言有关的错误）

我使用暗网训练逻辑回归模型。但它总是为不同的输入图像输出相同的预测。

但是当我删除一些卷积层时，它似乎变得正常了。（不同输入图像的不同输出）

模型cfg文件如下：

[net]
一些参数...
[convolutions]
[convolutions]
[shortcut]
...
[avgpool]
[connected]
batch_normalize=1
output=1
activation=linear

[logistic]

我尝试了不同的学习率，动量。不行。
并且训练数据是平衡的。两个班级，每个班级15000张图片。
有什么建议吗？谢谢。

我正在尝试使用来自官方网站的 YOLO 进行对象检测：https ://pjreddie.com/darknet/yolo/ 但是我无法将 OpenCV 与它集成，尽管我已经在我的 python 版本 python 和 python3 中安装了 OpenCV 她是错误：

所以任何人都可以帮我解决这个问题，我已经尝试解决了一个多星期，但我做不到。如果有人给我解决方案，我会很高兴。先感谢您。

目标：从给定的远程视频流中以最小的延迟/延迟实时检测人。

设置 ：

• Raspberry Pi (2) 带 USB 网络摄像头，使用 Flask 提供图像/视频流。
• 本地机（macbook pro）获取视频流，通过OpenCV、Darknet/DarkFlow/Yolo、Tensorflow处理图像。
• 显示检测到的人获得的处理流。检测到的人周围会有一个矩形。
• 蟒蛇 3

我目前有基本功能工作，但是，它似乎相当慢。当我需要在不到一秒的时间内处理图像时，大约每隔几秒钟就会处理一次图像。所以结果是一个视频，它显示了流后面的更新方式并且断断续续。通过四处搜索，这似乎是一个常见问题，但我似乎还没有找到一个直接的答案。

正如一些论坛所说，我已经将流抓取实现为自己的线程，但我相信现在的问题只是处理抓取的图像所需的时间。

是否可以提高性能？我是否需要在提供良好 GPU 的系统上在云中进行此处理，以便我可以利用这种性能提升？我是否使用了错误的 yolo 权重和 cfg？我知道 yolov3 已经出局了，但我认为我在使用我的环境时遇到了问题。