申请专栏作者
投稿发布
您的当前位置:主页 > 数据下载 > 数据工具 > 正文

Yolo_mark图像数据标记软件__数据标注工具

发布:可思数据 时间:2019-08-13
请点击下面的广告后浏览!
数据类型:工具软件 热度
★★★★☆
优质数据 数据定制

文件类型: .zip              文件大小:4.2 MB

授权方式: 公共开源     发布时间:2019-08-13

数据来源:未知             界面语言:英文

数据介绍:
数据集标注工具 yolo_mark 适用于图像检测任务的数据集制作,ai数据标注工具,它是yolo2的团队开源的一个图像标注工具,为了方便其他人使用yolo2训练自己的任务模型。在linux和win下都可运行,依赖opencv库。


数据集标注工具安装要求

  • Windows或Linux
  • 对于现代CUDA支持,CMake> = 3.8https//cmake.org/download/
  • CUDA 10.0https//developer.nvidia.com/cuda-toolkit-archive(在Linux上执行安装后操作
  • OpenCV> = 2.4:使用您首选的包管理器(brew,apt),使用vcpkg从源代码构建或从OpenCV官方站点下载(在Windows上设置系统变量OpenCV_DIRC:\opencv\build- 其中是includex64文件夹图像
  • 对于CUDA 10.0,cuDNN> = 7.0 https://developer.nvidia.com/rdp/cudnn-archive(在Linux副本上cudnn.hlibcudnn.so......如此处所述)https://docs.nvidia.com/deeplearning/sdk/cudnn-install /index.html#installlinux-tar的Windows拷贝cudnn.hcudnn64_7.dllcudnn64_7.lib这里desribed https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
  • CC> = 3.0的GPUhttps//en.wikipedia.org/wiki/CUDA#GPUs_supported
  • 在Linux GCC或Clang上,在Windows MSVC 2015/2017/2019上 https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community

Windows上使用Cmake-GUI以下IMAGE进行编译:配置 - >生成器的可选平台(设置:x64) - >完成 - >生成 - >打开项目 - > x64和发布 - >构建 - >构建解决方案 可思数据sykv.com,sykv.cn

编译上的Linux通过使用命令make(或可替代的方式,通过使用命令:cmake . && make 可思数据-人工智能资讯平台sykv.com

可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com
预先训练的模型

有不同cfg文件的权重文件(较小的大小 - >更快的速度和更低的准确性: 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

  • yolov3-openimages.cfg(247 MB​​ COCO Yolo v3) - 需要4 GB GPU-RAM:https//pjreddie.com/media/files/yolov3-openimages.weights
  • yolov3-spp.cfg(240 MB COCO Yolo v3) - 需要4 GB GPU-RAM:https//pjreddie.com/media/files/yolov3-spp.weights
  • yolov3.cfg(236 MB COCO Yolo v3) - 需要4 GB GPU-RAM:https//pjreddie.com/media/files/yolov3.weights
  • yolov3-tiny.cfg(34 MB COCO Yolo v3 tiny) - 需要1 GB GPU-RAM:https: //pjreddie.com/media/files/yolov3-tiny.weights
  • yolov2.cfg(194 MB COCO Yolo v2) - 需要4 GB GPU-RAM:https//pjreddie.com/media/files/yolov2.weights
  • yolo-voc.cfg(194 MB VOC Yolo v2) - 需要4 GB GPU-RAM:http//pjreddie.com/media/files/yolo-voc.weights
  • yolov2-tiny.cfg(43 MB COCO Yolo v2) - 需要1 GB GPU-RAM:https//pjreddie.com/media/files/yolov2-tiny.weights
  • yolov2-tiny-voc.cfg(60 MB VOC Yolo v2) - 需要1 GB GPU-RAM:http//pjreddie.com/media/files/yolov2-tiny-voc.weights
  • yolo9000.cfg(186 MB Yolo9000型号) - 需要4 GB GPU-RAM:http://pjreddie.com/media/files/yolo9000.weights

把它放在编译的附近:darknet.exe

可思数据sykv.com,sykv.cn

您可以通过路径获取cfg文件: darknet/cfg/ 内容来自可思数据sykv.com

内容来自可思数据sykv.com Yolo v3在其他框架中

  • TensorFlow:使用mystic123jinyu121项目和TensorFlow-liteyolov3.weightscfg文件转换yolov3.ckptpb/meta
  • Intel OpenVINO 2019 R1 :( Myriad X / USB Neural Compute Stick / Arria FPGA):阅读本手册
  • OpenCV-dnn是CPU(x86 / ARM-Android)上非常快速的DNN实现,使用yolov3.weightscfgwith:C ++示例Python示例
  • PyTorch> ONNX> CoreML> iOS如何将cfg / weights-files转换为pt-file:ultralytics / yolov3iOS App
  • YOLOv3的TensorRT(推理速度提高 70%):DeepStream 4.0本身支持Yolo
  • TVM - 将深度学习模型(Keras,MXNet,PyTorch,Tensorflow,CoreML,DarkNet)编译成各种硬件后端(CPU,GPU,FPGA和专用加速器)上的最小可部署模块:https//tvm.ai/about

可思数据-AI,sykv.com人工智能,深度学习,机器学习,神经网络

数据集

  • MS COCO:用于./scripts/get_coco_dataset.sh获得标记的MS COCO检测数据集
  • OpenImages:python ./scripts/get_openimages_dataset.py用于标记列车检测数据集
  • Pascal VOC:python ./scripts/voc_label.py用于标记Train / Test / Val检测数据集
  • ILSVRC2012(ImageNet分类):使用./scripts/get_imagenet_train.sh(也imagenet_label.sh用于标记有效集)
  • 德语/比利时/俄语/ LISA / MASTIF流量标志数据集用于检测 - 使用此解析器:https//github.com/angeligareta/Datasets2Darknet#detection-task

可思数据-AI,sykv.com人工智能,深度学习,机器学习,神经网络

如何在命令行上使用

在Linux上使用./darknet而不是darknet.exe像这样:./darknet detector test ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights

可思数据sykv.com

在Linux上找到./darknet根目录中的可执行文件,而在Windows上找到它在目录中\build\darknet\x64 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

  • Yolo v3 COCO - 图片darknet.exe detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -thresh 0.25
  • 对象的输出坐标darknet.exe detector test cfg/coco.data yolov3.cfg yolov3.weights -ext_output dog.jpg
  • Yolo v3 COCO - 视频darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -ext_output test.mp4
  • Yolo v3 COCO - WebCam 0darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -c 0
  • 网络视频摄像的 Yolo v3 COCO - Smart WebCam:darknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights http://192.168.0.80:8080/video?dummy=param.mjpg
  • Yolo v3 - 保存结果videofile res.avidarknet.exe detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights test.mp4 -out_filename res.avi
  • Yolo v3 Tiny COCO - 视频:darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights test.mp4
  • 允许来自软件或Web浏览器ip-address:8070和8090的多个连接的JSON和MJPEG服务器./darknet detector demo ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights test50.mp4 -json_port 8070 -mjpeg_port 8090 -ext_output
  • Yolo v3 Tiny on GPU#1darknet.exe detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights -i 1 test.mp4
  • 替代方法Yolo v3 COCO - 图像: darknet.exe detect cfg/yolov3.cfg yolov3.weights -i 0 -thresh 0.25
  • Amazon EC2上训练,使用以下网址查看mAP和损失图表:http://ec2-35-160-228-91.us-west-2.compute.amazonaws.com:8090在Chrome / Firefox中(Darknet应使用OpenCV编译): ./darknet detector train cfg/coco.data yolov3.cfg darknet53.conv.74 -dont_show -mjpeg_port 8090 -map
  • 186 MB Yolo9000 - 图片: darknet.exe detector test cfg/combine9k.data cfg/yolo9000.cfg yolo9000.weights
  • 如果您使用cpp api构建应用程序,请记住将data / 9k.tree和data / coco9k.map放在应用程序的同一文件夹下
  • 要处理图像列表data/train.txt并将检测结果保存到result.json文件使用: darknet.exe detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -ext_output -dont_show -out result.json < data/train.txt
  • 处理图像列表data/train.txt并保存检测结果以result.txt供使用: 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com
    darknet.exe detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -dont_show -ext_output < data/train.txt > result.txt
  • 伪标签 - 处理图像列表data/new_train.txt并以Yolo训练格式保存每个图像的检测结果作为标签<image_name>.txt(这样可以增加训练数据量)使用: darknet.exe detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights -thresh 0.25 -dont_show -save_labels < data/new_train.txt
  • 计算锚点: darknet.exe detector calc_anchors data/obj.data -num_of_clusters 9 -width 416 -height 416
  • 要检查mAP @ IoU = 50的准确性: darknet.exe detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights
  • 要检查mAP @ IoU = 75的准确性: darknet.exe detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights -iou_thresh 0.75

如何在Linux上编译

 

只是make在darknet目录中。在make之前,您可以在Makefilelink中设置这些选项 可思数据-数据挖掘,智慧医疗,机器视觉,机器人sykv.com

  • GPU=1用CUDA构建以使用GPU加速(CUDA应该在/usr/local/cuda
  • CUDNN=1使用cuDNN v5-v7构建以使用GPU加速训练(cuDNN应该在/usr/local/cudnn
  • CUDNN_HALF=1 构建Tensor核心(在Titan V / Tesla V100 / DGX-2及更高版本上)加速检测3x,训练2x
  • OPENCV=1 使用OpenCV 4.x / 3.x / 2.4.x构建 - 允许检测来自网络摄像机或网络摄像头的视频文件和视频流
  • DEBUG=1 可以调试Yolo的版本
  • OPENMP=1 使用OpenMP支持构建,通过使用多核CPU来加速Yolo
  • LIBSO=1构建使用此库的库darknet.so和二进制可运行文件uselib或者您可以尝试运行LD_LIBRARY_PATH=./:$LD_LIBRARY_PATH ./uselib test.mp4如何从您自己的代码中使用此SO库 - 您可以查看C ++示例:https//github.com/AlexeyAB/darknet/blob/master/src/yolo_console_dll.cpp 或者使用这样的方式:LD_LIBRARY_PATH=./:$LD_LIBRARY_PATH ./uselib data/coco.names cfg/yolov3.cfg yolov3.weights test.mp4
  • ZED_CAMERA=1 建立一个支持ZED-3D-camera的库(应该安装ZED SDK),然后运行LD_LIBRARY_PATH=./:$LD_LIBRARY_PATH ./uselib data/coco.names cfg/yolov3.cfg yolov3.weights zed_camera

要在Linux上运行Darknet,请使用本文中的示例,./darknet而不是darknet.exe使用,即使用此命令:./darknet detector test ./cfg/coco.data ./cfg/yolov3.cfg ./yolov3.weights 可思数据sykv.com

下载地址:
请点击下面的广告后下载!

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

关于我们   免责声明   广告合作   版权声明   联系方式   原创投稿   网站地图  

Copyright©2005-2019 Sykv.com 可思数据 版权所有    ICP备案:京ICP备14056871号

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭
扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部