ModelArts物体检测YOLO V3算法实战

前言

YOLO场景运用： YOLO作为一个one-stage目标检测算法，在速度和准确度上都有杰出的表现。

除了在Notebook开发环境中进行算法的定义和运行，通过ModelArts预置算法同样可以进行YOLO算法的训练和推理。接下来的例子就是一个利用ModelArts中的YOLO V3预置算法进行的训练和推理过程。

华为云GitHub教程链接：ModelArts物体检测Yolo_V3预置算法案例

实践步骤

第一步：准备数据

有很多开源的数据集可以用来进行目标检测任务的训练，如COCO数据集，PASCAL VOC数据集，BDD100K等，可以根据不同的需求和偏好进行选择。在获得数据集之后，需要对数据进行格式统一，然后便可以进行训练了。

本案例中使用的是PASCAL VOC2007，数据下载地址如下，点击即开始下载：

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

这次实验只需要解压Annotations（标注数据） 和 JPEGImages（图像数据）这两个文件夹中的文件，并将其放入到同一个文件夹中（如：VOC2007），如下图所示：

然后将此文件夹上传到obs桶中（使用OBS客户端上传文件夹至OBS的指导参考本文档），这里要上传很久，因为有1万多条数据，有一个小技巧，客户端点设置，把最大并发数改成50会快很多，不过要时不时注意上传失败的问题，点击重新上传即可。

第二步：创建训练任务

首先，点击进入华为云ModelArts平台，依次点击 训练管理，训练作业，创建。

第三步：查看训练情况

等待过程中可以 查看日志 和 创建可视化作业(TensorBoard)，如下图所示：

第四步：导入模型

依次点击 模型管理，模型，导入：

配置界面全部默认即可，注意红圈是否是刚才的训练作业，然后点击立即创建，然后等待模型构建成功：

第五步：部署服务

依次点击 部署上线，在线服务，部署：

部署上线然后点击预测，随便上传一张主体比较明显的图片都可以：