Вы найдете различные методы конвертации собранных здесь моделей YOLO. В статье объясняется, как преобразовать ваши модели Darknet или, скорее, YOLO в другие форматы фреймворков, такие как TensorFlow или TensorFlowLite (с квантованием и без него).
Я буду использовать Google Collaboratory, чтобы продемонстрировать процесс.
Примечание. В разных методах используются разные версии TensorFlow, перезапускайте среду выполнения каждый раз!
Из даркнета к TensorFlow
Формат TensorFlow, сгенерированный на выходе, представляет собой формат замороженного графика (.pb). Помните, что файлы .cfg всегда следует загружать (или клонировать) в формате RAW. То есть ссылка на файл cfg для v3-tiny: https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/yolov3-tiny.cfg, а НЕ https://github.com/ pjreddie / darknet / blob / master / cfg / yolov3-tiny.cfg .
Метод 1. Использование Darkflow (.weights - ›.pb)
- Поддерживает только YOLO v2, v2-tiny и некоторые модели классификации изображений (проверено в Darknet-53)
- Каждый раз, когда вы выбираете модель для преобразования, не забывайте копировать содержимое файла: labels.txt, находящегося в клонированной папке DarkFlow. Для v2-tiny и v3-tiny метки основаны на наборе данных COCO, и их можно найти здесь: https://github.com/pjreddie/darknet/blob/master/data/coco.names. Первоначально и наконец файл txt выглядит так, как показано:
Метод 2. Использование метода Mystic (.weights - ›.pb)
- На основе методики, предложенной Mystic.
- Проверено на YOLO v3 и v3-tiny
- В файле сохраняется выходной замороженный график с тем же именем: «frozen_darknet_yolov3_model.pb». Итак, не забудьте сохранить / переименовать результат перед запуском следующей команды.
Метод 3. Использование DW2TF (.weights - ›.pb)
- Поддерживает YOLO v2, v2-tiny, v3 и v3-tiny.
- Метод выводит, как показано:
DarkNet в ONNX в TensorFlow
- Метод объяснен и разработан [zeldrobit] (https://github.com/zldrobit/onnx_tflite_yolov3).
- Поддерживает практически все форматы v2 и v3. Проверено на v3-tiny.
Также существуют другие преобразования; как только вы получили замороженный график (.pb), вы можете преобразовать его в TensorFlowLite и квантованные версии.
TensorFlow в TFLite (.pb - ›tflite)
- Суть проверена на модели YOLO-v2-tiny COCO.
- Для этого требуются два параметра: input_arrays и output_arrays. Чтобы получить их, следуйте этому методу (с использованием Netron) https://stackoverflow.com/a/61242604/9625777.
P.S. Статья регулярно обновляется.
Если бы я мог вам помочь, вы также можете отправить мне криптовалюту, такую как Solana, Ethereum, Doge или монеты, на BSC. 🤠
Кошелек SOL: Geyvsojk1KAegziagYAJ5HWaDuAFYKZAS2KpqZeag9DM
Кошелек BSC: 0x47acC4B652166AE55fb462e4cD7DD26eFa97Da04
Кошелек ETH: 0x47acC4B652166AE55fb462e4cD7DD26eFa97Da04
Кошелек Doge: DFT6Pydzw7RAYG1ww4RRfctBKqyiXbbBwk
