本文是使用 YOLO 視覺辨識類神經網路模型，訓練自定義資料的紀錄。

成功的部分：使用 Darknet 與 YOLO v3

在 Windows 下安裝 Darknet 和使用

首先，下載和編譯 Darknet：windows下darknet之yolo(gpu版本）安装 - 知乎

並且於 VS2015 中調整編譯選項：OpenCV3 + VS 配置 (有道雲筆記)

上述過程操作完後，便可以將 Darknet 安裝於 Windows 上並執行物件偵測。

需要自訂訓練時，則需要準備自訂的資料和下載預訓練的模型： GitHub - AlexeyAB/darknet: Windows and Linux version of Darknet Yolo v3 & v2 Neural Networks for object detection (Tensor Cores are used)

Darknet 參考資料

• 使用darknet（windows GPU 版本） yolov3 训练自己的第一个检测模型（皮卡丘检测） - 简书
• 關於資料內容的結構與訓練過程，可以參考：建立自己的YOLO辨識模型 – 以柑橘辨識為例 – CH.Tseng

YOLO 參考資料

• How to build a custom object detector using YOLOv3 in Python
• Tommy Huang – Medium

失敗的部分：使用 Darkflow 與 YOLO v2

教學

基本上是參考這個網頁的教學操作：[機器學習 ML NOTE]YOLO!!!如何簡單使用YOLO訓練出自己的物件偵測!!! (Windows+Anaconda)

疑難排解

ImportError: numpy.core._multiarray_umath failed to import

• 如果遇到以上的錯誤，可使用 pip install --upgrade numpy 指令升級 numpy，可能是舊版沒有該結構造成。參考：ImportError: numpy.core._multiarray_umath failed to import · Issue #11871 · numpy/numpy

• 訓練儲存的權重會存在 ckpt 目錄底下。可以在參數內加入 --load -1 載入最新的權重。 參考： Where are the new weights stored after training a new model? · Issue #256 · thtrieu/darkflow

BoundingBox 未出現原因的猜測

以下是使用 Darkflow 自行訓練不成功的原因，在其它自行訓練物件偵測類神經網路時，可供參考。

• 標籤：使用 Pascal 格式，不會有標籤未正確輸入的問題。
• Bounding Box 大小：是否與 Bounding Box 的大小有關連？可能關係不大。因為只使用包含較小 Bounding Box 的資料，仍然有問題。
• 資料載入：確認 Darkflow 有載入資料，排除此狀況。
• 訓練的 Epoch 過少：預設為 1000 epochs，自行訓練時最高僅使用到 400 epochs，可能是原因。檢測時可以看 loss 是否有小於 0.1。
• 資料過少：目前使用的資料僅有 60 張照片，在不同的網站教學中，都使用至少 200 張以上的照片。

Darkflow 參考資料

• 如何為資料加上標籤：可參考 LabelImg 的 Github Page
• Darkflow Github Page