1快速训练自己的目标

YOLO2 (2) 测试自己的数据 中记录了完整的训练自己数据的过程。

训练时目标只有一类 car。

如果已经执行过第一次训练,改过一次配置文件,之后仍然训练同样的目标还是只有一类 car,即可按如下过程快速实现。

1数据输入

1 复制原始图像到\darknet\x64\data\obj下,清空原来的训练图像

2 复制生成的每一个图像对应的txt标定文件到\darknet\x64\data\obj下,清空原来的txt

3 将记录训练集图像路径的train.txt复制到\darknet\x64\data下替换

4 将记录训练集图像路径的var.txt复制到\darknet\x64\data下替换

说明:linux下生成的分别是infrared_train.txt和infrared_val.txt,在windons上使用注意修改名字为train.txt和var.txt。

2 开始训练

在\darknet\x64\下运行命令行

darknet.exe detector train data/obj.data data/yolo-obj.cfg darknet19_448.conv.23

3  输出结果

在\darknet\x64\backup  得到输出结果。

如何通过外网访问windons服务器训练:

1windons 下载软件 teamviewer

打开之后,左侧显示本机地址,右侧显示要连接的电脑

这里我们需要连接已经安装好yolo2检测程序的服务器,地址

伙伴ID: 232981386

连接之后需要输入用户名和密码。这里需要让服务器管理员给你创建可使用的用户名和密码。

通过文件传输命令,把自己的图片和相应txt文件上传到服务器。按照本篇前半部分教程,放在指定文件夹目录下。

然后通过远程控制,运行训练命令。

如何访问linux服务器训练:

linux服务器目前只能在局域网内访问,如果需要外网访问需要端口映射收费。

但是,windons服务器和linux服务器在同一个局域网内,所以使用windons服务器充当中继,间接访问linux服务器。

1 通过上一步 “如何通过外网访问windons服务器训练”把需要训练的图像传送给windons服务器

2 windons服务器 通过局域网访问linux服务器。

说明:linux服务器

在服务器 / 目录下有以自己的姓名拼音命名的文件夹,作为自己的文件夹,此文件夹只有自己拥有 增 删 改 执行 的权限

/ 目录下还有一个software文件夹, 用来安装软件, 此文件夹任何用户都拥有 增 删 改 执行 的权限

过程:

Xftp 用来传文件  Xshell用来输命令跑程序

登录服务器时  用户名:姓名拼音  密码:默认6个空格

2.1 打开Xshell 5 应用控制linux服务器命令行桌面。

新建会话 输入地址

服务器的IPV6地址 2001:250:1004:5023:d294:66ff:fe05:d79d

然后身份验证

用户名由管理员分配

假设使用 x'x'x'x'x  初始6个空格

然后点击连接(新建会话3 )

然后就进入linux服务器命令行界面。

如何修改自己的密码:

在命令行桌面输入

passwd 用户名

输入当前密码

输入修改密码

确认修改密码

2.2进入windons服务器后 ,打开桌面Xftp 应用,把图像数据传送给linux服务器

打开后 ,新建会话

输入地址

主机:  2001:250:1004:5023:d294:66ff:fe05:d79d

用户名; xxx(管理员分配)

密码:6个空格

修改协议 :SFTP

确定,然后点击连接。

左侧是windons服务器的电脑文件,右侧是linux服务器电脑指定可看的文件。

需要复制文件直接拖住进去即可。

YOLO2 (3) 快速训练自己的目标的更多相关文章

  1. bert,albert的快速训练和预测

    随着预训练模型越来越成熟,预训练模型也会更多的在业务中使用,本文提供了bert和albert的快速训练和部署,实际上目前的预训练模型在用起来时都大致相同. 基于不久前发布的中文数据集chineseGL ...

  2. YOLO2解读,训练自己的数据及相关转载以供学习

    https://pjreddie.com/darknet/yolo/ 具体安装及使用可以参考官方文档https://github.com/pjreddie/darknet https://blog.c ...

  3. 如何快速使用YOLO3进行目标检测

    本文目的:介绍一篇YOLO3的Keras实现项目,便于快速了解如何使用预训练的YOLOv3,来对新图像进行目标检测. 本文使用的是Github上一位大神训练的YOLO3开源的项目.这个项目提供了很多使 ...

  4. 如何用OpenCV自带的adaboost程序训练并检测目标

    参考博文: 1.http://blog.csdn.net/wuxiaoyao12/article/details/39227189 2.http://www.cnblogs.com/easymind2 ...

  5. pythonTensorFlow实现yolov3训练自己的目标检测探测自定义数据集

    1.数据集准备,使用label标注好自己的数据集. https://github.com/tzutalin/labelImg 打开连接直接下载数据标注工具, 2.具体的大师代码见下链接 https:/ ...

  6. 活动报名 | 如何基于开源项目 Tapdata PDK,快速完成数据源和目标的开发?

      近日,Tapdata 启动 PDK 插件生态共建计划,宣布开源插件开发框架 Tapdata PDK,将自身的数据接口能力开放出来,帮助开发者根据实际需求,自助接入数据源和目标,快速开启「Data ...

  7. Video Target Tracking Based on Online Learning—深度学习在目标跟踪中的应用

    摘要 近年来,深度学习方法在物体跟踪领域有不少成功应用,并逐渐在性能上超越传统方法.本文先对现有基于深度学习的目标跟踪算法进行了分类梳理,后续会分篇对各个算法进行详细描述. 看上方给出的3张图片,它们 ...

  8. 第三十五节,目标检测之YOLO算法详解

    Redmon, J., Divvala, S., Girshick, R., Farhadi, A.: You only look once: Unified, real-time object de ...

  9. 基于word2vec训练词向量(二)

    转自:http://www.tensorflownews.com/2018/04/19/word2vec2/ 一.基于Hierarchical Softmax的word2vec模型的缺点 上篇说了Hi ...

随机推荐

  1. SPI Flash(W25Q16DV) 基本操作

    读取厂家\设备 ID 发送 90H 指令,再发送 00h 的地址,然后接收即可. 代码如下: void SPIFlashReadID(int *pMID, int *pDID) { SPIFlash_ ...

  2. EF 中多个数据库迁移

    Entity Framework 允许用户基于实体来创建和更新数据库,当项目中只有一个DBContext 时使用默认的参数就可以实现数据库的一些操作.当有多个DbContext 时需要制定参数才能完成 ...

  3. SQLServer 2008R2 清理日志文件

    设置数据库为简单模式 2.收缩日志文件 3.恢复数据库为完整模式

  4. Maven之setting.xml配置文件详解

    setting.xml配置文件 maven的配置文件settings.xml存在于两个地方: 1.安装的地方:${M2_HOME}/conf/settings.xml 2.用户的目录:${user.h ...

  5. 使用vue-cli开发过程中如何把jQuery设置为全局

    说明:vue-cli是vue快速构建项目的命令行式开发模式. vue主要针对数据层,更多的操作在数据上,很少在DOM上,偶尔也会需要操作DOM,偶尔也会用到JQ插件,下面简单说下如何在使用vue-cl ...

  6. HTML暗黑料理之a标签执行请求不跳转页面

    不是被逼无奈不建议用这HTML暗黑料理. <iframe id="></iframe> <a class="large green button&qu ...

  7. FormData对象的使用

    一.概述 FormData类型是XMLHttpRequest 2级定义的,它是为序列化表以及创建与表单格式相同的数据提供便利. 作用:1.利用一些键值对来模拟一系列表单控件:即将form中的所有表单元 ...

  8. 【读书笔记】iOS-设计简单的Frenzic式益智游戏

    如果你决定用UIView动画或Core Animation,一定要编写一些测试用例,模拟游戏可能遇到的要求最高的动画,另外不要忘记播放声音.不要等到最后才增加声音,因为在iPhone上播放音乐和音效确 ...

  9. CSS--理解块级格式上下文(BFC)

    1.BFC 定义 BFC(Block formatting context)直译为"块级格式化上下文".它是一个独立的渲染区域,只有Block-level box(块级元素)参与, ...

  10. 搜狐eHR团队-曾经一起奋斗过的~

    昨天所有搜狐eHR团队同事再相聚(在职+离职),大家聊的都很开心,共同回顾了eHR项目从无到有的过程. 非常感谢在搜狐的工作经历,自己成长很多,目前大家分布在各个公司为eHR做着贡献,大家都注意身体~ ...