Python影像辨識筆記(九之五)：透過Google Colab在雲端運行YOLOv3

Python影像辨識筆記(九)：分別在Windows和Ubuntu 18.04上安裝並執行YOLOv3（使用GPU）
Python影像辨識筆記(九之二)：關於YOLOv3的一些心得
Python影像辨識筆記(九之三)：YOLOv3結合深度學習的Object Detector
Python影像辨識筆記(九之四)：可視化YOLOv3訓練過程中的loss、IOU、avg Recall等的曲線圖
Python影像辨識筆記(九之五)：透過Google Colab在雲端運行YOLOv3
Python影像辨識筆記(九之六)：將LabelImg標記的xml檔案轉成txt檔案
NVIDIA Jetson TX2學習筆記（三）:執行YOLOv3
The Complete YOLOv3 Reproduce List on GitHub
Using YOLOv3 Model in Python with ImageAI Library

20200209更新：

使用Google Colab訓練YOLO

在Google Colab訓練YOLO的唯一缺點就是有被停權的風險。

參考資料：

如何在 Colab 安裝 Darknet 框架訓練 YOLO v3 物件辨識並且最佳化 Colab 的訓練流程

本文Colab

使用Colab進行水雉影像辨識

更改Runtime

#預設是以CPU執行，我們將它改成GPU
Runtime->Change runtime type->GPU

連接Google Drive

from google.colab import drive
drive.mount('/content/gdrive') 
# 請點擊網址，選擇 Google 帳號登入，然後將授權碼貼回輸入框中
!ln -fs /content/gdrive/My\ Drive /app

解壓縮cuDNN

!tar -xzvf /app/darknet/cuDNN/cudnn-10.0-linux-x64-v7.5.0.56.tgz -C /usr/local/
!chmod a+r /usr/local/cuda/include/cudnn.h
# 檢查是否安裝成功
!cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

下載並編譯 Darknet（只需要執行一次）

%cd /content/
!git clone https://github.com/kriyeng/darknet/ darknet_source
%cd darknet_source
# 修改 Darknet 設定，符合 Colab 環境
!sed -i "s/GPU=0/GPU=1/g" Makefile
!sed -i "s/CUDNN=0/CUDNN=1/g" Makefile
!sed -i "s/OPENCV=0/OPENCV=1/g" Makefile
# 編譯
!make
# 將編譯完成的執行檔複製回 Google Drive
!cp ./darknet /app/darknet
!cp ./darknet /content/darknet
%cd /content

將相關檔案複製到darknet的資料夾中

將雲端硬碟中，已經上傳好的相關檔案複製到darknet_source資料夾中(相關檔案需要自行準備)

注意cp後面所使用的格式，必須用” “將路徑包起來 同一個cell裡面，似乎不能超過6個指令

!cp "/content/gdrive/My Drive/darknet/yolov3_10000.weights" /content/darknet_source/
!cp "/content/gdrive/My Drive/darknet/yolov3_bird.cfg" /content/darknet_source/cfg/
!cp "/content/gdrive/My Drive/darknet/voc-bird.data" /content/darknet_source/cfg/
!cp "/content/gdrive/My Drive/darknet/bird.jpg" /content/darknet_source/data/
!cp "/content/gdrive/My Drive/darknet/coco.names" /content/darknet_source/data/

要記得修改data/coco.names

改成要辨識物件的名字

進行辨識

%cd /content/darknet_source
!/content/darknet detect cfg/yolov3_bird.cfg yolov3_10000.weights data/bird.jpg -dont-show

觀看辨識成果

#使用OpenCV開圖片
import cv2
from google.colab.patches import cv2_imshow
img = cv2.imread('predictions.jpg', cv2.IMREAD_UNCHANGED)
cv2_imshow(img)