darknet（YOLO）源码解析--测试（一）

 代码小白，第一次认真看大段大段的代码，基础知识严重欠缺，如有错误望指正。


进入正题：

测试命令示例：


$./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg results/tiny-yolo-voc_6000.weights data/images.jpg

1

一、main函数

目前最新版本的darknet中，darknet.c和detector.c都在examples文件夹中。

首先，从主函数开始解析命令行参数，然后根据不同的命令行参数进入不同的调用方法。（本文不考虑GPU部分代码）


//darknet.c


int main(int argc, char **argv)

{

    //test_resize("data/bad.jpg");

    //test_box();

    //test_convolutional_layer();

    //如果没有任何命令行参数，则打印一句提示信息：Usage: [应用程序名称] <function>，即告诉你要指定一个命令行参数。

    if(argc < 2){

        fprintf(stderr, "usage: %s <function>\n", argv[0]);

        return 0;

    }


    if (0 == strcmp(argv[1], "average")){

        average(argc, argv);

    }  else if (0 == strcmp(argv[1], "detector")){

        run_detector(argc, argv);

    }//第一个参数是detector，跳转到run_detector函数

    return 0;

}

附：1、fprintf函数

作用：格式化输出到一个流/文件中；

函数原型：


int fprintf( FILE *stream, const char *format, [ argument ]...)

1

fprintf()函数根据指定的格式(format)向输出流(stream)写入数据(argument)。


2、stderr – 标准错误输出流

作为程序运行过程中的错误显示出来的，默认像屏幕输出，具体看程序执行时stderr重定向到哪。


3、if(argc < 2)语句

argv[0]：第一个命令行参数darknet就是应用程序的名称，因此如果指定了一个命令行参数，那argc就为2。


二、run_detector函数

//detector.c


void run_detector(int argc, char **argv)

{

     //检查是否有参数prefix，默认值是0

    char *prefix = find_char_arg(argc, argv, "-prefix", 0);

    //检查是否有参数thresh参数，thresh为输出的阈值，默认值是0.24

    float thresh = find_float_arg(argc, argv, "-thresh", .24);

    //检查是否有参数hier_thresh,默认为0.5

    float hier_thresh = find_float_arg(argc, argv, "-hier", .5);

    //检查是否有参数cam_index,默认为0

    int cam_index = find_int_arg(argc, argv, "-c", 0);

    //检查是否有参数frame_skip,默认为0

    int frame_skip = find_int_arg(argc, argv, "-s", 0);

    //检查是否有参数avg,默认为3

    int avg = find_int_arg(argc, argv, "-avg", 3);

    //如果输入参数小于4个，输出正确的命令格式：[应用程序名称][yolo/detector...][train/test/valid][cfg][weights (optional)]

    if(argc < 4){

        fprintf(stderr, "usage: %s %s [train/test/valid] [cfg] [weights (optional)]\n", argv[0], argv[1]);

        return;

    }


    //检查是否指定GPU运算

    char *gpu_list = find_char_arg(argc, argv, "-gpus", 0);

    char *outfile = find_char_arg(argc, argv, "-out", 0);

    int *gpus = 0;

    int gpu = 0;

    int ngpus = 0;

    if(gpu_list){

        printf("%s\n", gpu_list);

        int len = strlen(gpu_list);

        ngpus = 1;

        int i;

        for(i = 0; i < len; ++i){

            if (gpu_list[i] == ',') ++ngpus;

        }

        gpus = calloc(ngpus, sizeof(int));

        for(i = 0; i < ngpus; ++i){

            gpus[i] = atoi(gpu_list);

            gpu_list = strchr(gpu_list, ',')+1;

        }

    } else {

        gpu = gpu_index;

        gpus = &gpu;

        ngpus = 1;

    }


    //检查clear参数

    int clear = find_arg(argc, argv, "-clear");

    int fullscreen = find_arg(argc, argv, "-fullscreen");

    int width = find_int_arg(argc, argv, "-w", 0);

    int height = find_int_arg(argc, argv, "-h", 0);

    int fps = find_int_arg(argc, argv, "-fps", 0);


    //data文件的路径存为argv数组的第四个元素

    char *datacfg = argv[3];

    //cfg文件的路径存为argv数组的第五个元素

    char *cfg = argv[4];

    //当参数大于5个时，权重为argv数组的第六个元素的内容

    char *weights = (argc > 5) ? argv[5] : 0;

    //当参数大于6个时，权重为argv数组的第七个元素的内容，即示例中需检测图片的路径

    char *filename = (argc > 6) ? argv[6]: 0;

    //根据第三个参数（即argv[2]）的内容，调用不同的函数，并传入datacfg,cfg等参数

    //示例中第三个参数是test，进入test_detector参数

    if(0==strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, hier_thresh, outfile, fullscreen);

    else if(0==strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear);

    else if(0==strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights, outfile);

    else if(0==strcmp(argv[2], "valid2")) validate_detector_flip(datacfg, cfg, weights, outfile);

    else if(0==strcmp(argv[2], "recall")) validate_detector_recall(cfg, weights);

    else if(0==strcmp(argv[2], "demo")) {

        list *options = read_data_cfg(datacfg);

        int classes = option_find_int(options, "classes", 20);

        char *name_list = option_find_str(options, "names", "data/names.list");

        char **names = get_labels(name_list);

        demo(cfg, weights, thresh, cam_index, filename, names, classes, frame_skip, prefix, avg, hier_thresh, width, height, fps, fullscreen);

    }

}

三、test_detector函数

//detector.c


void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, char *outfile, int fullscreen)

{

    //options读取data文件的内容，其中包含类别文件（.names）所在路径，两个txt文件（分别记录训练集、测试集图片的绝对路径）所在路径等。

    list *options = read_data_cfg(datacfg);

     //从option中查找names对应的value，如没有，使用默认值“data/names.list”

     char *name_list = option_find_str(options, "names", "data/names.list");

    //从.names文件中得到标签（即xml文件中的类别）名称

    char **names = get_labels(name_list);


    //加载位于data/labels下ASCII码为32-127的8种尺寸的图片，用于显示标签用的字符图片

    image **alphabet = load_alphabet();

    //用netweork.h中自定义的network结构体存储yolo模型文件（cfg文件）,parse_network_cfg函数位于parser.c

    network net = parse_network_cfg(cfgfile);

    ///读取yolo模型训练得到的权重文件

    if(weightfile){

        load_weights(&net, weightfile);

    }

    //每层batch设置为1，表示一张一张地去检测图片

    set_batch_network(&net, 1);

    //随机数种子

    srand(2222222);

    double time;

    //定义input指针指向buff数组，用于存放需检测图片的路径

    char buff[256];

    char *input = buff;   

    int j;

    float nms=.3;

    while(1){

        if(filename){

            strncpy(input, filename, 256);

        } else {       //命令行参数中没有指定检测图片的路径

            printf("Enter Image Path: ");

            fflush(stdout);

            input = fgets(input, 256, stdin);

            if(!input) return;

            strtok(input, "\n");

        }


        //加载图片，默认当做彩色处理

        image im = load_image_color(input,0,0);

        //调整输入图片尺寸

        image sized = letterbox_image(im, net.w, net.h);

        //image sized = resize_image(im, net.w, net.h);

        //image sized2 = resize_max(im, net.w);

        //image sized = crop_image(sized2, -((net.w - sized2.w)/2), -((net.h - sized2.h)/2), net.w, net.h);

        //resize_network(&net, sized.w, sized.h);

        layer l = net.layers[net.n-1];


        box *boxes = calloc(l.w*l.h*l.n, sizeof(box));

        float **probs = calloc(l.w*l.h*l.n, sizeof(float *));

        for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(l.classes + 1, sizeof(float *));

        float **masks = 0;

        if (l.coords > 4){

            masks = calloc(l.w*l.h*l.n, sizeof(float*));

            for(j = 0; j < l.w*l.h*l.n; ++j) masks[j] = calloc(l.coords-4, sizeof(float *));

        }


        float *X = sized.data;

        time=what_time_is_it_now();

        //预测

        network_predict(net, X);

        printf("%s: Predicted in %f seconds.\n", input, what_time_is_it_now()-time);

        get_region_boxes(l, im.w, im.h, net.w, net.h, thresh, probs, boxes, masks, 0, 0, hier_thresh, 1);

        if (nms) do_nms_obj(boxes, probs, l.w*l.h*l.n, l.classes, nms);

        //else if (nms) do_nms_sort(boxes, probs, l.w*l.h*l.n, l.classes, nms);

         //画预测结果

        draw_detections(im, l.w*l.h*l.n, thresh, boxes, probs, masks, names, alphabet, l.classes);

        //保存标记了预测标签的图片

        if(outfile){

            save_image(im, outfile);

        }

        else{

            save_image(im, "predictions");

#ifdef OPENCV

            cvNamedWindow("predictions", CV_WINDOW_NORMAL); 

            if(fullscreen){

                cvSetWindowProperty("predictions", CV_WND_PROP_FULLSCREEN, CV_WINDOW_FULLSCREEN);

            }

            show_image(im, "predictions");

            cvWaitKey(0);

            cvDestroyAllWindows();

#endif

        }


        free_image(im);

        free_image(sized);

        free(boxes);

        free_ptrs((void **)probs, l.w*l.h*l.n);

        if (filename) break;

    }

}

其中重要的函数下一篇详解。

————————————————

版权声明：本文为CSDN博主「jocelyn427」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/jocelyn870/article/details/78931829

留言

發佈留言

此網誌的熱門文章

電子商務相關資訊

圖片
  何謂電子商務？種類及功能？七大構面及舉例？   1、電子商務 定義 : 電子商務通常是指在全球各地廣泛的商業貿易活動中，在因特網開放的網路環境下，基於客戶端 /服務端應用方式，買賣雙方不謀面地進行各種商貿活動，實現消費者的網上購物、商戶之間的網上交易和線上電子支付以及各種商務活動、交易活動、金融活動和相關的綜合服務活動的一種新型的商業運營模式。各國政府、學者、企業界人士根據自己所處的地位和對電子商務參與的角度和程度的不同，給出了許多不同的定義。 https://baike.baidu.com/item/%E7%94%B5%E5%AD%90%E5%95%86%E5%8A%A1/98106 2、電子商務的種類與功能： l  B2C:電子商務的付款方式是貨到付款與網上支付相結合 n  舉例： 博客來 「博客來網路書店」為台灣國內最大的網路書店，其經營模式就是典型的 B2C   https://baike.baidu.com/item/B2C l  B2B: 是指企業與企業之間通過專用網路或 Internet，進行數據資訊的交換、傳遞，開展交易活動的商業模式 舉例：阿里巴巴 他讓各個供應商能夠露出自己的產品，藉此接觸到潛在的買家   https://zh.wikipedia.org/wiki/B2B l  C2C:也稱“私對私”是一種交易的方式，它是指個人對個人的交易形式 n  舉例：淘寶它提供了一個平台讓個人也能成為賣家 https://baike.baidu.com/item/C2C/324663?fr=aladdin l  C2B : 消費者企業之間模式（ consumer to business，又譯消費者對商家模式，或C2B模式）是指消費者（個人）提供產品及服務給公司，向公司收費的商業模式 舉例：聯盟行銷佣金聯盟行銷是 C2B 商業模式的最佳做法之一，也是從 UGC 延伸而來的模式 https://zh.wikipedia.org/wiki/C2B l  O2O:（Online To Offline線上到線下）是一種新的電子商務模式，指線上行銷及線上購買帶動線下（非網路上的）經營和線下消費。 n  舉例： 服务性电商模式，如上门送餐、 滴滴...
閱讀更多

未來展望

圖片
               現在不僅是一個知識爆炸的時代，更是一個資訊爆炸的時代，由於資訊工業的發達，圖書館的經營方式有了革命性的改變，首先，在工作的態度上，我們必需改被動的服務為主動的出擊，在工作的方法上，自動化作業取代了人工作業，再加上網際網路的蓬勃發展，更改變了圖書館的生態，透過綿綿密密的網路連線，將我們的視野擴展到全國乃至於全世界的每一個角落，可說是無遠弗屆，無微不至。行政院教改會把“引導學生學以致用，培養具備獨立自主，創意思考，團隊合作的年輕人『作為邁向二十一世紀的教育目標，新『高級中學課程標準』把增進創造性                批判性思考及適應社會變遷與終身學習的能力”做為輔導學生達成的目標之一。而『高級中學設備標準“中又言：高級中學圖書館之設立，應針對高級中學之教育目標，藉書資料之採集，組織、保存與運用，以支援教學活動，培養學生自學技能，輔導學生身心之發展，滿足青年之需要。『培養學生終身利用圖書館的習慣，使圖書館獲
閱讀更多

YOLOV4 windows10系统训练自己的图片数据集（robomaster官方数据集）

圖片
 首先，当然是要配置好环境啦，这里相信屏幕前的你已经配置好了，如果没有配置好也不用着急。可以看一下本博主另一篇保姆教程，请移步：https://blog.csdn.net/weixin_39954922/article/details/105785460，，，，啊哈哈哈哈 一、配置好之后，最重要的就是数据集，因为博主报名参加了RM比赛，所以就用大疆给的官方数据集试验了一下，首先准备两个数据集，一个是图片数据集Image，一个是每个图像内标记好目标后生成的xml文件Annotation。这里我只用了两百张图片：如下图： 二、把图片放在darknet.exe同级目录下的data文件夹，在data内新建文件夹专门用来存放图片，这里我建立的是robomaster文件夹。 三、需要准备两种txt文件，一种是train.txt，这个txt文件要放在data文件夹下，且内容为存储了每张图片相对于darknet.exe的路径，笔者的文件如下： 另一种TXT文件是每张图片都对应有一个，是通过xml文件得来的，每个TXT文件里面都是纯数字如图一所示，记录了标记目标的信息。这个TXT的命名与对应图片的命名一样，且训练时要放置在与image相同目录下，如图2所示： 图一 图二   四、在data文件夹下建立.names和.data文件。笔者建立的是robomaster.names和robomaster.data文件，在robomaster.names文件里面写上要检测的目标的名称，每个名称占用一行，如图三所示，这里检测目标有五个 图三 robomaster.data文件的内容包括总共有多少类对象，train.txt的文件路径，备份路径等，如图四所示。classes要改成对应的数字，如果你想检测的目标有6个，就改成6。 图四   五、建立训练所需的.cfg文件，在cfg文件夹下创建，笔者直接复制的原有的yolov4.cfg，并改名为yolov4-robomaster.cfg。 六、更改cfg文件内的参数。非常重要！！！ 6.1更改batch为batch=64 6.2更改subdivisions为subdivisions=16 6.3更改max_batches为classes数*2000，但是不要少于4000，例如笔者这里有classes=5,那么max_batch...
閱讀更多