blame | history | patch | commit | commitdiff | ignore whitespace
Joseph Redmon
2015-02-24 5f4a5f59b072d4029107422d30b04941424c48b1 
 src/darknet.c


@@ -31,14 +31,17 @@


    save_network(net, "cfg/trained_imagenet_smaller.cfg");


}




char *class_names[] = {"aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};


#define AMNT 3


void draw_detection(image im, float *box, int side)


{


    int classes = 20;


    int elems = 4+classes+1;


    int j;


    int r, c;


    float amount[AMNT] = {0};


    for(r = 0; r < side*side; ++r){


        float val = box[r*5];


        float val = box[r*elems];


        for(j = 0; j < AMNT; ++j){


            if(val > amount[j]) {


                float swap = val;


@@ -51,21 +54,29 @@




    for(r = 0; r < side; ++r){


        for(c = 0; c < side; ++c){


            j = (r*side + c) * 5;


            printf("Prob: %f\n", box[j]);


            j = (r*side + c) * elems;


            //printf("%d\n", j);


            //printf("Prob: %f\n", box[j]);


            if(box[j] >= smallest){


                int class = max_index(box+j+1, classes);


                int z;


                for(z = 0; z < classes; ++z) printf("%f %s\n", box[j+1+z], class_names[z]);


                printf("%f %s\n", box[j+1+class], class_names[class]);


                float red = get_color(0,class,classes);


                float green = get_color(1,class,classes);


                float blue = get_color(2,class,classes);




                j += classes;


                int d = im.w/side;


                int y = r*d+box[j+1]*d;


                int x = c*d+box[j+2]*d;


                int h = box[j+3]*im.h;


                int w = box[j+4]*im.w;


                //printf("%f %f %f %f\n", box[j+1], box[j+2], box[j+3], box[j+4]);


                //printf("%d %d %d %d\n", x, y, w, h);


                //printf("%d %d %d %d\n", x-w/2, y-h/2, x+w/2, y+h/2);


                draw_box(im, x-w/2, y-h/2, x+w/2, y+h/2);


                draw_box(im, x-w/2, y-h/2, x+w/2, y+h/2,red,green,blue);


            }


        }


    }


    //printf("Done\n");


    show_image(im, "box");


    cvWaitKey(0);


}


@@ -100,24 +111,24 @@


    srand(time(0));


    //srand(23410);


    int i = net.seen/imgs;


    list *plist = get_paths("/home/pjreddie/data/imagenet/horse_pos.txt");


    list *plist = get_paths("/home/pjreddie/data/voc/train.txt");


    char **paths = (char **)list_to_array(plist);


    printf("%d\n", plist->size);


    data train, buffer;


    int im_dim = 512;


    int jitter = 64;


    pthread_t load_thread = load_data_detection_thread(imgs, paths, plist->size, im_dim, im_dim, 7, 7, jitter, &buffer);


    pthread_t load_thread = load_data_detection_thread(imgs, paths, plist->size, 20, im_dim, im_dim, 7, 7, jitter, &buffer);


    clock_t time;


    while(1){


        i += 1;


        time=clock();


        pthread_join(load_thread, 0);


        train = buffer;


        load_thread = load_data_detection_thread(imgs, paths, plist->size, im_dim, im_dim, 7, 7, jitter, &buffer);


        load_thread = load_data_detection_thread(imgs, paths, plist->size, 20, im_dim, im_dim, 7, 7, jitter, &buffer);




        /*


        image im = float_to_image(im_dim - jitter, im_dim-jitter, 3, train.X.vals[923]);


        draw_detection(im, train.y.vals[923], 7);


/*


        image im = float_to_image(im_dim - jitter, im_dim-jitter, 3, train.X.vals[0]);


        draw_detection(im, train.y.vals[0], 7);


        show_image(im, "truth");


        cvWaitKey(0);


        */


@@ -128,7 +139,7 @@


        net.seen += imgs;


        avg_loss = avg_loss*.9 + loss*.1;


        printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), i*imgs);


        if(i%100==0){


        if(i%800==0){


            char buff[256];


            sprintf(buff, "/home/pjreddie/imagenet_backup/%s_%d.weights",base, i);


            save_weights(net, buff);


@@ -146,17 +157,20 @@


    fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


    srand(time(0));




    list *plist = get_paths("/home/pjreddie/data/imagenet/detection.val");


    list *plist = get_paths("/home/pjreddie/data/voc/val.txt");


    char **paths = (char **)list_to_array(plist);


    int num_output = 1225;


    int im_size = 448;


    int classes = 20;




    int m = plist->size;


    int i = 0;


    int splits = 50;


    int splits = 100;


    int num = (i+1)*m/splits - i*m/splits;




    fprintf(stderr, "%d\n", m);


    data val, buffer;


    pthread_t load_thread = load_data_thread(paths, num, 0, 0, 245, 224, 224, &buffer);


    pthread_t load_thread = load_data_thread(paths, num, 0, 0, num_output, im_size, im_size, &buffer);


    clock_t time;


    for(i = 1; i <= splits; ++i){


        time=clock();


@@ -165,23 +179,33 @@




        num = (i+1)*m/splits - i*m/splits;


        char **part = paths+(i*m/splits);


        if(i != splits) load_thread = load_data_thread(part, num, 0, 0, 245, 224, 224, &buffer);


        if(i != splits) load_thread = load_data_thread(part, num, 0, 0, num_output, im_size, im_size, &buffer);


 


        fprintf(stderr, "Loaded: %lf seconds\n", sec(clock()-time));


        fprintf(stderr, "%d: Loaded: %lf seconds\n", i, sec(clock()-time));


        matrix pred = network_predict_data(net, val);


        int j, k;


        int j, k, class;


        for(j = 0; j < pred.rows; ++j){


            for(k = 0; k < pred.cols; k += 5){


                if (pred.vals[j][k] > .005){


                    int index = k/5; 


            for(k = 0; k < pred.cols; k += classes+4+1){




                /*


                int z;


                for(z = 0; z < 25; ++z) printf("%f, ", pred.vals[j][k+z]);


                printf("\n");


                */




                float p = pred.vals[j][k];


                //if (pred.vals[j][k] > .001){


                for(class = 0; class < classes; ++class){


                    int index = (k)/(classes+4+1); 


                    int r = index/7;


                    int c = index%7;


                    float y = (32.*(r + pred.vals[j][k+1]))/224.;


                    float x = (32.*(c + pred.vals[j][k+2]))/224.;


                    float h = (256.*(pred.vals[j][k+3]))/224.;


                    float w = (256.*(pred.vals[j][k+4]))/224.;


                    printf("%d %f %f %f %f %f\n", (i-1)*m/splits + j + 1, pred.vals[j][k], y, x, h, w);


                    float y = (r + pred.vals[j][k+1+classes])/7.;


                    float x = (c + pred.vals[j][k+2+classes])/7.;


                    float h = pred.vals[j][k+3+classes];


                    float w = pred.vals[j][k+4+classes];


                    printf("%d %d %f %f %f %f %f\n", (i-1)*m/splits + j, class, p*pred.vals[j][k+class+1], y, x, h, w);


                }


                //}


            }


        }




@@ -191,44 +215,44 @@


}


/*




void train_imagenet_distributed(char *address)


{


    float avg_loss = 1;


    srand(time(0));


    network net = parse_network_cfg("cfg/net.cfg");


    set_learning_network(&net, 0, 1, 0);


    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


    int imgs = net.batch;


    int i = 0;


    char **labels = get_labels("/home/pjreddie/data/imagenet/cls.labels.list");


    list *plist = get_paths("/data/imagenet/cls.train.list");


    char **paths = (char **)list_to_array(plist);


    printf("%d\n", plist->size);


    clock_t time;


    data train, buffer;


    pthread_t load_thread = load_data_thread(paths, imgs, plist->size, labels, 1000, 224, 224, &buffer);


    while(1){


        i += 1;


   void train_imagenet_distributed(char *address)


   {


   float avg_loss = 1;


   srand(time(0));


   network net = parse_network_cfg("cfg/net.cfg");


   set_learning_network(&net, 0, 1, 0);


   printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


   int imgs = net.batch;


   int i = 0;


   char **labels = get_labels("/home/pjreddie/data/imagenet/cls.labels.list");


   list *plist = get_paths("/data/imagenet/cls.train.list");


   char **paths = (char **)list_to_array(plist);


   printf("%d\n", plist->size);


   clock_t time;


   data train, buffer;


   pthread_t load_thread = load_data_thread(paths, imgs, plist->size, labels, 1000, 224, 224, &buffer);


   while(1){


   i += 1;




        time=clock();


        client_update(net, address);


        printf("Updated: %lf seconds\n", sec(clock()-time));


   time=clock();


   client_update(net, address);


   printf("Updated: %lf seconds\n", sec(clock()-time));




        time=clock();


        pthread_join(load_thread, 0);


        train = buffer;


        normalize_data_rows(train);


        load_thread = load_data_thread(paths, imgs, plist->size, labels, 1000, 224, 224, &buffer);


        printf("Loaded: %lf seconds\n", sec(clock()-time));


        time=clock();


   time=clock();


   pthread_join(load_thread, 0);


   train = buffer;


   normalize_data_rows(train);


   load_thread = load_data_thread(paths, imgs, plist->size, labels, 1000, 224, 224, &buffer);


   printf("Loaded: %lf seconds\n", sec(clock()-time));


   time=clock();




        float loss = train_network(net, train);


        avg_loss = avg_loss*.9 + loss*.1;


        printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), i*imgs);


        free_data(train);


    }


}


*/


   float loss = train_network(net, train);


   avg_loss = avg_loss*.9 + loss*.1;


   printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), i*imgs);


   free_data(train);


   }


   }


 */




void convert(char *cfgfile, char *outfile, char *weightfile)


{


@@ -239,6 +263,111 @@


    save_network(net, outfile);


}




void train_captcha(char *cfgfile, char *weightfile)


{


    float avg_loss = -1;


    srand(time(0));


    char *base = basename(cfgfile);


    printf("%s\n", base);


    network net = parse_network_cfg(cfgfile);


    if(weightfile){


        load_weights(&net, weightfile);


    }


    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


    int imgs = 1024;


    int i = net.seen/imgs;


    list *plist = get_paths("/data/captcha/train.list");


    char **paths = (char **)list_to_array(plist);


    printf("%d\n", plist->size);


    clock_t time;


    while(1){


        ++i;


        time=clock();


        data train = load_data_captcha(paths, imgs, plist->size, 10, 60, 200);


        translate_data_rows(train, -128);


        scale_data_rows(train, 1./128);


        printf("Loaded: %lf seconds\n", sec(clock()-time));


        time=clock();


        float loss = train_network(net, train);


        net.seen += imgs;


        if(avg_loss == -1) avg_loss = loss;


        avg_loss = avg_loss*.9 + loss*.1;


        printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), net.seen);


        free_data(train);


        if(i%100==0){


            char buff[256];


            sprintf(buff, "/home/pjreddie/imagenet_backup/%s_%d.weights",base, i);


            save_weights(net, buff);


        }


    }


}






void validate_captcha(char *cfgfile, char *weightfile)


{


    srand(time(0));


    char *base = basename(cfgfile);


    printf("%s\n", base);


    network net = parse_network_cfg(cfgfile);


    if(weightfile){


        load_weights(&net, weightfile);


    }


    int imgs = 1000;


    int numchars = 37;


    list *plist = get_paths("/data/captcha/valid.list");


    char **paths = (char **)list_to_array(plist);


    data valid = load_data_captcha(paths, imgs, 0, 10, 60, 200);


    translate_data_rows(valid, -128);


    scale_data_rows(valid, 1./128);


    matrix pred = network_predict_data(net, valid);


    int i, k;


    int correct = 0;


    int total = 0;


    int accuracy = 0;


    for(i = 0; i < imgs; ++i){


        int allcorrect = 1;


        for(k = 0; k < 10; ++k){


            char truth = int_to_alphanum(max_index(valid.y.vals[i]+k*numchars, numchars));


            char prediction = int_to_alphanum(max_index(pred.vals[i]+k*numchars, numchars));


            if (truth != prediction) allcorrect=0;


            if (truth != '.' && truth == prediction) ++correct;


            if (truth != '.' || truth != prediction) ++total;


        }


        accuracy += allcorrect;


    }


    printf("Word Accuracy: %f, Char Accuracy %f\n", (float)accuracy/imgs, (float)correct/total);


    free_data(valid);


}




void test_captcha(char *cfgfile, char *weightfile)


{


    srand(time(0));


    char *base = basename(cfgfile);


    printf("%s\n", base);


    network net = parse_network_cfg(cfgfile);


    set_batch_network(&net, 1);


    if(weightfile){


        load_weights(&net, weightfile);


    }


    clock_t time;


    char filename[256];


    while(1){


        printf("Enter filename: ");


        fgets(filename, 256, stdin);


        strtok(filename, "\n");


        time = clock();


        image im = load_image_color(filename, 60, 200);


        translate_image(im, -128);


        scale_image(im, 1/128.);


        float *X = im.data;


        time=clock();


        float *predictions = network_predict(net, X);


        printf("Predicted in %f\n", sec(clock() - time));


        print_letters(predictions, 10);


        free_image(im);


    }


}




void train_imagenet(char *cfgfile, char *weightfile)


{


    float avg_loss = -1;


@@ -333,6 +462,7 @@


    if(weightfile){


        load_weights(&net, weightfile);


    }


    int im_size = 224;


    set_batch_network(&net, 1);


    srand(2222222);


    clock_t time;


@@ -340,7 +470,7 @@


    while(1){


        fgets(filename, 256, stdin);


        strtok(filename, "\n");


        image im = load_image_color(filename, 224, 224);


        image im = load_image_color(filename, im_size, im_size);


        translate_image(im, -128);


        scale_image(im, 1/128.);


        printf("%d %d %d\n", im.h, im.w, im.c);


@@ -814,6 +944,9 @@


    else if(0==strcmp(argv[1], "nist")) train_nist(argv[2]);


    else if(0==strcmp(argv[1], "ctest")) test_cifar10(argv[2]);


    else if(0==strcmp(argv[1], "train")) train_imagenet(argv[2], (argc > 3)? argv[3] : 0);


    else if(0==strcmp(argv[1], "captcha")) train_captcha(argv[2], (argc > 3)? argv[3] : 0);


    else if(0==strcmp(argv[1], "tcaptcha")) test_captcha(argv[2], (argc > 3)? argv[3] : 0);


    else if(0==strcmp(argv[1], "vcaptcha")) validate_captcha(argv[2], (argc > 3)? argv[3] : 0);


    else if(0==strcmp(argv[1], "testseg")) test_voc_segment(argv[2], (argc > 3)? argv[3] : 0);


    //else if(0==strcmp(argv[1], "client")) train_imagenet_distributed(argv[2]);


    else if(0==strcmp(argv[1], "detect")) test_detection(argv[2], (argc > 3)? argv[3] : 0);