Minor fix - what pip-packages are required for Python scripts

AlexeyAB

2018-05-06 c9b8bdee1886df5f83973d91c3597c28f99a9e0c

 src/detector.c

@@ -1,3 +1,8 @@
#ifdef _DEBUG
#include <stdlib.h> 
#include <crtdbg.h>  
#endif

#include "network.h"
#include "region_layer.h"
#include "cost_layer.h"
@@ -76,6 +81,8 @@

   int init_w = net.w;
   int init_h = net.h;
   int iter_save;
   iter_save = get_current_batch(net);

    load_args args = {0};
    args.w = net.w;
@@ -84,12 +91,13 @@
    args.n = imgs;
    args.m = plist->size;
    args.classes = classes;
    args.flip = net.flip;
    args.jitter = jitter;
    args.num_boxes = l.max_boxes;
   args.small_object = l.small_object;
   args.small_object = net.small_object;
    args.d = &buffer;
    args.type = DETECTION_DATA;
   args.threads = 4;// 8;
   args.threads = 16;   // 64

    args.angle = net.angle;
    args.exposure = net.exposure;
@@ -97,6 +105,7 @@
    args.hue = net.hue;

#ifdef OPENCV
   args.threads = 3;
   IplImage* img = NULL;
   float max_img_loss = 5;
   int number_of_lines = 100;
@@ -106,14 +115,13 @@
#endif   //OPENCV

    pthread_t load_thread = load_data(args);
    clock_t time;
    double time;
    int count = 0;
    //while(i*imgs < N*120){
    while(get_current_batch(net) < net.max_batches){
      if(l.random && count++%10 == 0){
            printf("Resizing\n");
         int dim = (rand() % 12 + (init_w/32 - 5)) * 32; // +-160
            //int dim = (rand() % 10 + 10) * 32;
            //if (get_current_batch(net)+100 > net.max_batches) dim = 544;
            //int dim = (rand() % 4 + 16) * 32;
            printf("%d\n", dim);
@@ -130,7 +138,7 @@
            }
            net = nets[0];
        }
        time=clock();
        time=what_time_is_it_now();
        pthread_join(load_thread, 0);
        train = buffer;
        load_thread = load_data(args);
@@ -152,9 +160,9 @@
           save_image(im, "truth11");
         */

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

        time=clock();
        time=what_time_is_it_now();
        float loss = 0;
#ifdef GPU
        if(ngpus == 1){
@@ -165,11 +173,11 @@
#else
        loss = train_network(net, train);
#endif
        if (avg_loss < 0) avg_loss = loss;
        if (avg_loss < 0 || avg_loss != avg_loss) avg_loss = loss;   // if(-inf or nan)
        avg_loss = avg_loss*.9 + loss*.1;

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

#ifdef OPENCV
      if(!dont_show)
@@ -177,7 +185,9 @@
#endif   // OPENCV

      //if (i % 1000 == 0 || (i < 1000 && i % 100 == 0)) {
      if (i % 100 == 0) {
      //if (i % 100 == 0) {
      if(i >= (iter_save + 100)) {
         iter_save = i;
#ifdef GPU
         if (ngpus != 1) sync_nets(nets, ngpus, 0);
#endif
@@ -201,301 +211,294 @@

static int get_coco_image_id(char *filename)
{
    char *p = strrchr(filename, '_');
    return atoi(p+1);
   char *p = strrchr(filename, '/');
   char *c = strrchr(filename, '_');
   if (c) p = c;
   return atoi(p + 1);
}

static void print_cocos(FILE *fp, char *image_path, box *boxes, float **probs, int num_boxes, int classes, int w, int h)
static void print_cocos(FILE *fp, char *image_path, detection *dets, int num_boxes, int classes, int w, int h)
{
    int i, j;
    int image_id = get_coco_image_id(image_path);
    for(i = 0; i < num_boxes; ++i){
        float xmin = boxes[i].x - boxes[i].w/2.;
        float xmax = boxes[i].x + boxes[i].w/2.;
        float ymin = boxes[i].y - boxes[i].h/2.;
        float ymax = boxes[i].y + boxes[i].h/2.;
   int i, j;
   int image_id = get_coco_image_id(image_path);
   for (i = 0; i < num_boxes; ++i) {
      float xmin = dets[i].bbox.x - dets[i].bbox.w / 2.;
      float xmax = dets[i].bbox.x + dets[i].bbox.w / 2.;
      float ymin = dets[i].bbox.y - dets[i].bbox.h / 2.;
      float ymax = dets[i].bbox.y + dets[i].bbox.h / 2.;

        if (xmin < 0) xmin = 0;
        if (ymin < 0) ymin = 0;
        if (xmax > w) xmax = w;
        if (ymax > h) ymax = h;
      if (xmin < 0) xmin = 0;
      if (ymin < 0) ymin = 0;
      if (xmax > w) xmax = w;
      if (ymax > h) ymax = h;

        float bx = xmin;
        float by = ymin;
        float bw = xmax - xmin;
        float bh = ymax - ymin;
      float bx = xmin;
      float by = ymin;
      float bw = xmax - xmin;
      float bh = ymax - ymin;

        for(j = 0; j < classes; ++j){
            if (probs[i][j]) fprintf(fp, "{\"image_id\":%d, \"category_id\":%d, \"bbox\":[%f, %f, %f, %f], \"score\":%f},\n", image_id, coco_ids[j], bx, by, bw, bh, probs[i][j]);
        }
    }
      for (j = 0; j < classes; ++j) {
         if (dets[i].prob[j]) fprintf(fp, "{\"image_id\":%d, \"category_id\":%d, \"bbox\":[%f, %f, %f, %f], \"score\":%f},\n", image_id, coco_ids[j], bx, by, bw, bh, dets[i].prob[j]);
      }
   }
}

void print_detector_detections(FILE **fps, char *id, box *boxes, float **probs, int total, int classes, int w, int h)
void print_detector_detections(FILE **fps, char *id, detection *dets, int total, int classes, int w, int h)
{
    int i, j;
    for(i = 0; i < total; ++i){
        float xmin = boxes[i].x - boxes[i].w/2.;
        float xmax = boxes[i].x + boxes[i].w/2.;
        float ymin = boxes[i].y - boxes[i].h/2.;
        float ymax = boxes[i].y + boxes[i].h/2.;
   int i, j;
   for (i = 0; i < total; ++i) {
      float xmin = dets[i].bbox.x - dets[i].bbox.w / 2. + 1;
      float xmax = dets[i].bbox.x + dets[i].bbox.w / 2. + 1;
      float ymin = dets[i].bbox.y - dets[i].bbox.h / 2. + 1;
      float ymax = dets[i].bbox.y + dets[i].bbox.h / 2. + 1;

        if (xmin < 0) xmin = 0;
        if (ymin < 0) ymin = 0;
        if (xmax > w) xmax = w;
        if (ymax > h) ymax = h;
      if (xmin < 1) xmin = 1;
      if (ymin < 1) ymin = 1;
      if (xmax > w) xmax = w;
      if (ymax > h) ymax = h;

        for(j = 0; j < classes; ++j){
            if (probs[i][j]) fprintf(fps[j], "%s %f %f %f %f %f\n", id, probs[i][j],
                    xmin, ymin, xmax, ymax);
        }
    }
      for (j = 0; j < classes; ++j) {
         if (dets[i].prob[j]) fprintf(fps[j], "%s %f %f %f %f %f\n", id, dets[i].prob[j],
            xmin, ymin, xmax, ymax);
      }
   }
}

void print_imagenet_detections(FILE *fp, int id, box *boxes, float **probs, int total, int classes, int w, int h)
void print_imagenet_detections(FILE *fp, int id, detection *dets, int total, int classes, int w, int h)
{
    int i, j;
    for(i = 0; i < total; ++i){
        float xmin = boxes[i].x - boxes[i].w/2.;
        float xmax = boxes[i].x + boxes[i].w/2.;
        float ymin = boxes[i].y - boxes[i].h/2.;
        float ymax = boxes[i].y + boxes[i].h/2.;
   int i, j;
   for (i = 0; i < total; ++i) {
      float xmin = dets[i].bbox.x - dets[i].bbox.w / 2.;
      float xmax = dets[i].bbox.x + dets[i].bbox.w / 2.;
      float ymin = dets[i].bbox.y - dets[i].bbox.h / 2.;
      float ymax = dets[i].bbox.y + dets[i].bbox.h / 2.;

        if (xmin < 0) xmin = 0;
        if (ymin < 0) ymin = 0;
        if (xmax > w) xmax = w;
        if (ymax > h) ymax = h;
      if (xmin < 0) xmin = 0;
      if (ymin < 0) ymin = 0;
      if (xmax > w) xmax = w;
      if (ymax > h) ymax = h;

        for(j = 0; j < classes; ++j){
            int class_id = j;
            if (probs[i][class_id]) fprintf(fp, "%d %d %f %f %f %f %f\n", id, j+1, probs[i][class_id],
                    xmin, ymin, xmax, ymax);
        }
    }
      for (j = 0; j < classes; ++j) {
         int class = j;
         if (dets[i].prob[class]) fprintf(fp, "%d %d %f %f %f %f %f\n", id, j + 1, dets[i].prob[class],
            xmin, ymin, xmax, ymax);
      }
   }
}

void validate_detector(char *datacfg, char *cfgfile, char *weightfile)
void validate_detector(char *datacfg, char *cfgfile, char *weightfile, char *outfile)
{
    int j;
    list *options = read_data_cfg(datacfg);
    char *valid_images = option_find_str(options, "valid", "data/train.list");
    char *name_list = option_find_str(options, "names", "data/names.list");
    char *prefix = option_find_str(options, "results", "results");
    char **names = get_labels(name_list);
    char *mapf = option_find_str(options, "map", 0);
    int *map = 0;
    if (mapf) map = read_map(mapf);
   int j;
   list *options = read_data_cfg(datacfg);
   char *valid_images = option_find_str(options, "valid", "data/train.list");
   char *name_list = option_find_str(options, "names", "data/names.list");
   char *prefix = option_find_str(options, "results", "results");
   char **names = get_labels(name_list);
   char *mapf = option_find_str(options, "map", 0);
   int *map = 0;
   if (mapf) map = read_map(mapf);

    network net = parse_network_cfg_custom(cfgfile, 1);
    if(weightfile){
        load_weights(&net, weightfile);
    }
    set_batch_network(&net, 1);
    fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
    srand(time(0));
   network net = parse_network_cfg_custom(cfgfile, 1);   // set batch=1
   if (weightfile) {
      load_weights(&net, weightfile);
   }
   //set_batch_network(&net, 1);
   fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
   srand(time(0));

    char *base = "comp4_det_test_";
    list *plist = get_paths(valid_images);
    char **paths = (char **)list_to_array(plist);
   list *plist = get_paths(valid_images);
   char **paths = (char **)list_to_array(plist);

    layer l = net.layers[net.n-1];
    int classes = l.classes;
   layer l = net.layers[net.n - 1];
   int classes = l.classes;

    char buff[1024];
    char *type = option_find_str(options, "eval", "voc");
    FILE *fp = 0;
    FILE **fps = 0;
    int coco = 0;
    int imagenet = 0;
    if(0==strcmp(type, "coco")){
        snprintf(buff, 1024, "%s/coco_results.json", prefix);
        fp = fopen(buff, "w");
        fprintf(fp, "[\n");
        coco = 1;
    } else if(0==strcmp(type, "imagenet")){
        snprintf(buff, 1024, "%s/imagenet-detection.txt", prefix);
        fp = fopen(buff, "w");
        imagenet = 1;
        classes = 200;
    } else {
        fps = calloc(classes, sizeof(FILE *));
        for(j = 0; j < classes; ++j){
            snprintf(buff, 1024, "%s/%s%s.txt", prefix, base, names[j]);
            fps[j] = fopen(buff, "w");
        }
    }
   char buff[1024];
   char *type = option_find_str(options, "eval", "voc");
   FILE *fp = 0;
   FILE **fps = 0;
   int coco = 0;
   int imagenet = 0;
   if (0 == strcmp(type, "coco")) {
      if (!outfile) outfile = "coco_results";
      snprintf(buff, 1024, "%s/%s.json", prefix, outfile);
      fp = fopen(buff, "w");
      fprintf(fp, "[\n");
      coco = 1;
   }
   else if (0 == strcmp(type, "imagenet")) {
      if (!outfile) outfile = "imagenet-detection";
      snprintf(buff, 1024, "%s/%s.txt", prefix, outfile);
      fp = fopen(buff, "w");
      imagenet = 1;
      classes = 200;
   }
   else {
      if (!outfile) outfile = "comp4_det_test_";
      fps = calloc(classes, sizeof(FILE *));
      for (j = 0; j < classes; ++j) {
         snprintf(buff, 1024, "%s/%s%s.txt", prefix, outfile, names[j]);
         fps[j] = fopen(buff, "w");
      }
   }


    box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
    float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
    for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(classes, sizeof(float *));
   int m = plist->size;
   int i = 0;
   int t;

    int m = plist->size;
    int i=0;
    int t;
   float thresh = .005;
   float nms = .45;

    float thresh = .005;
    float nms = .45;
   int nthreads = 4;
   image *val = calloc(nthreads, sizeof(image));
   image *val_resized = calloc(nthreads, sizeof(image));
   image *buf = calloc(nthreads, sizeof(image));
   image *buf_resized = calloc(nthreads, sizeof(image));
   pthread_t *thr = calloc(nthreads, sizeof(pthread_t));

   int detection_count = 0;
   load_args args = { 0 };
   args.w = net.w;
   args.h = net.h;
   args.type = IMAGE_DATA;
   //args.type = LETTERBOX_DATA;

    int nthreads = 4;
    image *val = calloc(nthreads, sizeof(image));
    image *val_resized = calloc(nthreads, sizeof(image));
    image *buf = calloc(nthreads, sizeof(image));
    image *buf_resized = calloc(nthreads, sizeof(image));
    pthread_t *thr = calloc(nthreads, sizeof(pthread_t));

    load_args args = {0};
    args.w = net.w;
    args.h = net.h;
    args.type = IMAGE_DATA;

    for(t = 0; t < nthreads; ++t){
        args.path = paths[i+t];
        args.im = &buf[t];
        args.resized = &buf_resized[t];
        thr[t] = load_data_in_thread(args);
    }
    time_t start = time(0);
    for(i = nthreads; i < m+nthreads; i += nthreads){
        fprintf(stderr, "%d\n", i);
        for(t = 0; t < nthreads && i+t-nthreads < m; ++t){
            pthread_join(thr[t], 0);
            val[t] = buf[t];
            val_resized[t] = buf_resized[t];
        }
        for(t = 0; t < nthreads && i+t < m; ++t){
            args.path = paths[i+t];
            args.im = &buf[t];
            args.resized = &buf_resized[t];
            thr[t] = load_data_in_thread(args);
        }
        for(t = 0; t < nthreads && i+t-nthreads < m; ++t){
            char *path = paths[i+t-nthreads];
            char *id = basecfg(path);
            float *X = val_resized[t].data;
            network_predict(net, X);
            int w = val[t].w;
            int h = val[t].h;
            get_region_boxes(l, w, h, thresh, probs, boxes, 0, map);
            if (nms) do_nms_sort(boxes, probs, l.w*l.h*l.n, classes, nms);

         int x, y;
         for (x = 0; x < (l.w*l.h*l.n); ++x) {
            for (y = 0; y < classes; ++y) 
            {
               if (probs[x][y]) ++detection_count;
            }
   for (t = 0; t < nthreads; ++t) {
      args.path = paths[i + t];
      args.im = &buf[t];
      args.resized = &buf_resized[t];
      thr[t] = load_data_in_thread(args);
   }
   time_t start = time(0);
   for (i = nthreads; i < m + nthreads; i += nthreads) {
      fprintf(stderr, "%d\n", i);
      for (t = 0; t < nthreads && i + t - nthreads < m; ++t) {
         pthread_join(thr[t], 0);
         val[t] = buf[t];
         val_resized[t] = buf_resized[t];
      }
      for (t = 0; t < nthreads && i + t < m; ++t) {
         args.path = paths[i + t];
         args.im = &buf[t];
         args.resized = &buf_resized[t];
         thr[t] = load_data_in_thread(args);
      }
      for (t = 0; t < nthreads && i + t - nthreads < m; ++t) {
         char *path = paths[i + t - nthreads];
         char *id = basecfg(path);
         float *X = val_resized[t].data;
         network_predict(net, X);
         int w = val[t].w;
         int h = val[t].h;
         int nboxes = 0;
         int letterbox = (args.type == LETTERBOX_DATA);
         detection *dets = get_network_boxes(&net, w, h, thresh, .5, map, 0, &nboxes, letterbox);
         if (nms) do_nms_sort(dets, nboxes, classes, nms);
         if (coco) {
            print_cocos(fp, path, dets, nboxes, classes, w, h);
         }

            if (coco){
                print_cocos(fp, path, boxes, probs, l.w*l.h*l.n, classes, w, h);
            } else if (imagenet){
                print_imagenet_detections(fp, i+t-nthreads+1, boxes, probs, l.w*l.h*l.n, classes, w, h);
            } else {
                print_detector_detections(fps, id, boxes, probs, l.w*l.h*l.n, classes, w, h);
            }
            free(id);
            free_image(val[t]);
            free_image(val_resized[t]);
        }
    }
    for(j = 0; j < classes; ++j){
        if(fps) fclose(fps[j]);
    }
    if(coco){
        fseek(fp, -2, SEEK_CUR); 
        fprintf(fp, "\n]\n");
        fclose(fp);
    }
   printf("\n detection_count = %d \n", detection_count);
    fprintf(stderr, "Total Detection Time: %f Seconds\n", (double)(time(0) - start));
         else if (imagenet) {
            print_imagenet_detections(fp, i + t - nthreads + 1, dets, nboxes, classes, w, h);
         }
         else {
            print_detector_detections(fps, id, dets, nboxes, classes, w, h);
         }
         free_detections(dets, nboxes);
         free(id);
         free_image(val[t]);
         free_image(val_resized[t]);
      }
   }
   for (j = 0; j < classes; ++j) {
      if (fps) fclose(fps[j]);
   }
   if (coco) {
      fseek(fp, -2, SEEK_CUR);
      fprintf(fp, "\n]\n");
      fclose(fp);
   }
   fprintf(stderr, "Total Detection Time: %f Seconds\n", time(0) - start);
}

void validate_detector_recall(char *datacfg, char *cfgfile, char *weightfile)
{
    network net = parse_network_cfg_custom(cfgfile, 1);
    if(weightfile){
        load_weights(&net, weightfile);
    }
    set_batch_network(&net, 1);
    fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
    srand(time(0));
   network net = parse_network_cfg_custom(cfgfile, 1);   // set batch=1
   if (weightfile) {
      load_weights(&net, weightfile);
   }
   //set_batch_network(&net, 1);
   fuse_conv_batchnorm(net);
   srand(time(0));

   //list *plist = get_paths("data/coco_val_5k.list");
   list *options = read_data_cfg(datacfg);
   char *valid_images = option_find_str(options, "valid", "data/train.txt");
    list *plist = get_paths(valid_images);
    char **paths = (char **)list_to_array(plist);
   list *plist = get_paths(valid_images);
   char **paths = (char **)list_to_array(plist);

    layer l = net.layers[net.n-1];
    int classes = l.classes;
   layer l = net.layers[net.n - 1];

    int j, k;
    box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
    float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
    for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(classes, sizeof(float *));
   int j, k;

    int m = plist->size;
    int i=0;
   int m = plist->size;
   int i = 0;

   float thresh = .001;// .001;  // .2;
    float iou_thresh = .5;
    float nms = .4;
   float thresh = .001;
   float iou_thresh = .5;
   float nms = .4;

   int detection_count = 0, truth_count = 0;
   int total = 0;
   int correct = 0;
   int proposals = 0;
   float avg_iou = 0;

    int total = 0;
    int correct = 0;
    int proposals = 0;
    float avg_iou = 0;
   for (i = 0; i < m; ++i) {
      char *path = paths[i];
      image orig = load_image_color(path, 0, 0);
      image sized = resize_image(orig, net.w, net.h);
      char *id = basecfg(path);
      network_predict(net, sized.data);
      int nboxes = 0;
      int letterbox = 0;
      detection *dets = get_network_boxes(&net, sized.w, sized.h, thresh, .5, 0, 1, &nboxes, letterbox);
      if (nms) do_nms_obj(dets, nboxes, 1, nms);

    for(i = 0; i < m; ++i){
        char *path = paths[i];
        image orig = load_image_color(path, 0, 0);
        image sized = resize_image(orig, net.w, net.h);
        char *id = basecfg(path);
        network_predict(net, sized.data);
        get_region_boxes(l, 1, 1, thresh, probs, boxes, 1, 0);
        if (nms) do_nms(boxes, probs, l.w*l.h*l.n, 1, nms);
      char labelpath[4096];
      find_replace(path, "images", "labels", labelpath);
      find_replace(labelpath, "JPEGImages", "labels", labelpath);
      find_replace(labelpath, ".jpg", ".txt", labelpath);
      find_replace(labelpath, ".png", ".txt", labelpath);
      find_replace(labelpath, ".bmp", ".txt", labelpath);
      find_replace(labelpath, ".JPG", ".txt", labelpath);
      find_replace(labelpath, ".JPEG", ".txt", labelpath);

        char labelpath[4096];
        find_replace(path, "images", "labels", labelpath);
        find_replace(labelpath, "JPEGImages", "labels", labelpath);
        find_replace(labelpath, ".jpg", ".txt", labelpath);
        find_replace(labelpath, ".JPEG", ".txt", labelpath);
   find_replace(labelpath, ".png", ".txt", labelpath);

        int num_labels = 0;
        box_label *truth = read_boxes(labelpath, &num_labels);
      truth_count += num_labels;
        for(k = 0; k < l.w*l.h*l.n; ++k){
            if(probs[k][0] > thresh){
                ++proposals;
            }
        }
      int num_labels = 0;
      box_label *truth = read_boxes(labelpath, &num_labels);
      for (k = 0; k < nboxes; ++k) {
         if (dets[k].objectness > thresh) {
            ++proposals;
         }
      }
      for (j = 0; j < num_labels; ++j) {
         ++total;
         box t = { truth[j].x, truth[j].y, truth[j].w, truth[j].h };
         float best_iou = 0;
         for (k = 0; k < l.w*l.h*l.n; ++k) {
            float iou = box_iou(boxes[k], t);
            if (probs[k][0] > thresh && iou > best_iou) {
         for (k = 0; k < nboxes; ++k) {
            float iou = box_iou(dets[k].bbox, t);
            if (dets[k].objectness > thresh && iou > best_iou) {
               best_iou = iou;
            }
         }
            avg_iou += best_iou;
            if(best_iou > iou_thresh){
                ++correct;
            }
        }

        fprintf(stderr, "%5d %5d %5d\tRPs/Img: %.2f\tIOU: %.2f%%\tRecall:%.2f%%\n", i, correct, total, (float)proposals/(i+1), avg_iou*100/total, 100.*correct/total);
        free(id);
        free_image(orig);
        free_image(sized);
    }
   printf("\n truth_count = %d \n", truth_count);
         avg_iou += best_iou;
         if (best_iou > iou_thresh) {
            ++correct;
         }
      }
      //fprintf(stderr, " %s - %s - ", paths[i], labelpath);
      fprintf(stderr, "%5d %5d %5d\tRPs/Img: %.2f\tIOU: %.2f%%\tRecall:%.2f%%\n", i, correct, total, (float)proposals / (i + 1), avg_iou * 100 / total, 100.*correct / total);
      free(id);
      free_image(orig);
      free_image(sized);
   }
}

typedef struct {
@@ -529,12 +532,12 @@
   int *map = 0;
   if (mapf) map = read_map(mapf);

   network net = parse_network_cfg_custom(cfgfile, 1);
   network net = parse_network_cfg_custom(cfgfile, 1);   // set batch=1
   if (weightfile) {
      load_weights(&net, weightfile);
   }
   set_batch_network(&net, 1);
   fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
   //set_batch_network(&net, 1);
   fuse_conv_batchnorm(net);
   srand(time(0));

   list *plist = get_paths(valid_images);
@@ -550,10 +553,6 @@
   layer l = net.layers[net.n - 1];
   int classes = l.classes;

   box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
   float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
   for (j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(classes, sizeof(float *));

   int m = plist->size;
   int i = 0;
   int t;
@@ -573,6 +572,7 @@
   args.w = net.w;
   args.h = net.h;
   args.type = IMAGE_DATA;
   //args.type = LETTERBOX_DATA;

   //const float thresh_calc_avg_iou = 0.24;
   float avg_iou = 0;
@@ -611,15 +611,22 @@
         char *id = basecfg(path);
         float *X = val_resized[t].data;
         network_predict(net, X);
         get_region_boxes(l, 1, 1, thresh, probs, boxes, 0, map);
         if (nms) do_nms_sort(boxes, probs, l.w*l.h*l.n, classes, nms);

         int nboxes = 0;
         int letterbox = (args.type == LETTERBOX_DATA);
         float hier_thresh = 0;
         detection *dets = get_network_boxes(&net, 1, 1, thresh, hier_thresh, 0, 0, &nboxes, letterbox);
         //detection *dets = get_network_boxes(&net, val[t].w, val[t].h, thresh, hier_thresh, 0, 1, &nboxes, letterbox); // for letterbox=1
         if (nms) do_nms_sort(dets, nboxes, l.classes, nms);

         char labelpath[4096];
         find_replace(path, "images", "labels", labelpath);
         find_replace(labelpath, "JPEGImages", "labels", labelpath);
         find_replace(labelpath, ".jpg", ".txt", labelpath);
         find_replace(labelpath, ".JPEG", ".txt", labelpath);
         find_replace(labelpath, ".png", ".txt", labelpath);
         find_replace(labelpath, ".bmp", ".txt", labelpath);
         find_replace(labelpath, ".JPG", ".txt", labelpath);
         find_replace(labelpath, ".JPEG", ".txt", labelpath);
         int num_labels = 0;
         box_label *truth = read_boxes(labelpath, &num_labels);
         int i, j;
@@ -643,15 +650,17 @@
            truth_dif = read_boxes(labelpath_dif, &num_labels_dif);
         }

         for (i = 0; i < (l.w*l.h*l.n); ++i) {
         const int checkpoint_detections_count = detections_count;

         for (i = 0; i < nboxes; ++i) {

            int class_id;
            for (class_id = 0; class_id < classes; ++class_id) {
               float prob = probs[i][class_id];
               float prob = dets[i].prob[class_id];
               if (prob > 0) {
                  detections_count++;
                  detections = realloc(detections, detections_count * sizeof(box_prob));
                  detections[detections_count - 1].b = boxes[i];
                  detections[detections_count - 1].b = dets[i].bbox;
                  detections[detections_count - 1].p = prob;
                  detections[detections_count - 1].image_index = image_index;
                  detections[detections_count - 1].class_id = class_id;
@@ -664,8 +673,8 @@
                  {
                     box t = { truth[j].x, truth[j].y, truth[j].w, truth[j].h };
                     //printf(" IoU = %f, prob = %f, class_id = %d, truth[j].id = %d \n", 
                     // box_iou(boxes[i], t), prob, class_id, truth[j].id);
                     float current_iou = box_iou(boxes[i], t);
                     // box_iou(dets[i].bbox, t), prob, class_id, truth[j].id);
                     float current_iou = box_iou(dets[i].bbox, t);
                     if (current_iou > iou_thresh && class_id == truth[j].id) {
                        if (current_iou > max_iou) {
                           max_iou = current_iou;
@@ -683,7 +692,7 @@
                     // if object is difficult then remove detection
                     for (j = 0; j < num_labels_dif; ++j) {
                        box t = { truth_dif[j].x, truth_dif[j].y, truth_dif[j].w, truth_dif[j].h };
                        float current_iou = box_iou(boxes[i], t);
                        float current_iou = box_iou(dets[i].bbox, t);
                        if (current_iou > iou_thresh && class_id == truth_dif[j].id) {
                           --detections_count;
                           break;
@@ -693,7 +702,13 @@

                  // calc avg IoU, true-positives, false-positives for required Threshold
                  if (prob > thresh_calc_avg_iou) {
                     if (truth_index > -1) {
                     int z, found = 0;
                     for (z = checkpoint_detections_count; z < detections_count-1; ++z)
                        if (detections[z].unique_truth_index == truth_index) {
                           found = 1; break;
                        }

                     if(truth_index > -1 && found == 0) {
                        avg_iou += max_iou;
                        ++tp_for_thresh;
                     }
@@ -706,13 +721,15 @@
         
         unique_truth_count += num_labels;

         free_detections(dets, nboxes);
         free(id);
         free_image(val[t]);
         free_image(val_resized[t]);
      }
   }

   avg_iou = avg_iou / (tp_for_thresh + fp_for_thresh);
   if((tp_for_thresh + fp_for_thresh) > 0)
      avg_iou = avg_iou / (tp_for_thresh + fp_for_thresh);

   
   // SORT(detections)
@@ -827,9 +844,28 @@
}

#ifdef OPENCV
void calc_anchors(char *datacfg, int num_of_clusters, int final_width, int final_height, int show)
typedef struct {
   float w, h;
} anchors_t;

int anchors_comparator(const void *pa, const void *pb)
{
   printf("\n num_of_clusters = %d, final_width = %d, final_height = %d \n", num_of_clusters, final_width, final_height);
   anchors_t a = *(anchors_t *)pa;
   anchors_t b = *(anchors_t *)pb;
   float diff = b.w*b.h - a.w*a.h;
   if (diff < 0) return 1;
   else if (diff > 0) return -1;
   return 0;
}

void calc_anchors(char *datacfg, int num_of_clusters, int width, int height, int show)
{
   printf("\n num_of_clusters = %d, width = %d, height = %d \n", num_of_clusters, width, height);
   if (width < 0 || height < 0) {
      printf("Usage: darknet detector calc_anchors data/voc.data -num_of_clusters 9 -width 416 -height 416 \n");
      printf("Error: set width and height \n");
      return;
   }

   //float pointsdata[] = { 1,1, 2,2, 6,6, 5,5, 10,10 };
   float *rel_width_height_array = calloc(1000, sizeof(float));
@@ -850,8 +886,10 @@
      find_replace(path, "images", "labels", labelpath);
      find_replace(labelpath, "JPEGImages", "labels", labelpath);
      find_replace(labelpath, ".jpg", ".txt", labelpath);
      find_replace(labelpath, ".JPEG", ".txt", labelpath);
      find_replace(labelpath, ".png", ".txt", labelpath);
      find_replace(labelpath, ".bmp", ".txt", labelpath);
      find_replace(labelpath, ".JPG", ".txt", labelpath);
      find_replace(labelpath, ".JPEG", ".txt", labelpath);
      int num_labels = 0;
      box_label *truth = read_boxes(labelpath, &num_labels);
      //printf(" new path: %s \n", labelpath);
@@ -859,8 +897,8 @@
      {
         number_of_boxes++;
         rel_width_height_array = realloc(rel_width_height_array, 2 * number_of_boxes * sizeof(float));
         rel_width_height_array[number_of_boxes * 2 - 2] = truth[j].w * final_width;
         rel_width_height_array[number_of_boxes * 2 - 1] = truth[j].h * final_height;
         rel_width_height_array[number_of_boxes * 2 - 2] = truth[j].w * width;
         rel_width_height_array[number_of_boxes * 2 - 1] = truth[j].h * height;
         printf("\r loaded \t image: %d \t box: %d", i+1, number_of_boxes);
      }
   }
@@ -893,7 +931,10 @@
      cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10000, 0), attemps, 
      0, KMEANS_PP_CENTERS,
      centers, &compactness);
	

   // sort anchors
   qsort(centers->data.fl, num_of_clusters, 2*sizeof(float), anchors_comparator);

   //orig 2.0 anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52
   //float orig_anch[] = { 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52 };
   // worse than ours (even for 19x19 final size - for input size 608x608)
@@ -918,7 +959,7 @@
      float box_h = points->data.fl[i * 2 + 1];
      //int cluster_idx = labels->data.i[i];    
      int cluster_idx = 0;
      float min_dist = 1000000;
      float min_dist = FLT_MAX;
      for (j = 0; j < num_of_clusters; ++j) {
         float anchor_w = centers->data.fl[j * 2];
         float anchor_h = centers->data.fl[j * 2 + 1];
@@ -950,9 +991,12 @@
   printf("anchors = ");
   for (i = 0; i < num_of_clusters; ++i) {
      sprintf(buff, "%2.4f,%2.4f", centers->data.fl[i * 2], centers->data.fl[i * 2 + 1]);
      printf("%s, ", buff);
      printf("%s", buff);
      fwrite(buff, sizeof(char), strlen(buff), fw);
      if (i + 1 < num_of_clusters) fwrite(", ", sizeof(char), 2, fw);;
      if (i + 1 < num_of_clusters) {
         fwrite(", ", sizeof(char), 2, fw);
         printf(", ");
      }
   }
   printf("\n");
   fclose(fw);
@@ -964,15 +1008,15 @@
      for (j = 0; j < num_of_clusters; ++j) {
         CvPoint pt1, pt2;
         pt1.x = pt1.y = 0;
         pt2.x = centers->data.fl[j * 2] * img_size / final_width;
         pt2.y = centers->data.fl[j * 2 + 1] * img_size / final_height;
         pt2.x = centers->data.fl[j * 2] * img_size / width;
         pt2.y = centers->data.fl[j * 2 + 1] * img_size / height;
         cvRectangle(img, pt1, pt2, CV_RGB(255, 255, 255), 1, 8, 0);
      }

      for (i = 0; i < number_of_boxes; ++i) {
         CvPoint pt;
         pt.x = points->data.fl[i * 2] * img_size / final_width;
         pt.y = points->data.fl[i * 2 + 1] * img_size / final_height;
         pt.x = points->data.fl[i * 2] * img_size / width;
         pt.y = points->data.fl[i * 2 + 1] * img_size / height;
         int cluster_idx = labels->data.i[i];
         int red_id = (cluster_idx * (uint64_t)123 + 55) % 255;
         int green_id = (cluster_idx * (uint64_t)321 + 33) % 255;
@@ -992,33 +1036,35 @@
   cvReleaseMat(&labels);
}
#else
void calc_anchors(char *datacfg, int num_of_clusters, int final_width, int final_height, int show) {
void calc_anchors(char *datacfg, int num_of_clusters, int width, int height, int show) {
   printf(" k-means++ can't be used without OpenCV, because there is used cvKMeans2 implementation \n");
}
#endif // OPENCV

void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, int dont_show)
void test_detector(char *datacfg, char *cfgfile, char *weightfile, char *filename, float thresh, float hier_thresh, int dont_show)
{
    list *options = read_data_cfg(datacfg);
    char *name_list = option_find_str(options, "names", "data/names.list");
    char **names = get_labels(name_list);

    image **alphabet = load_alphabet();
    network net = parse_network_cfg_custom(cfgfile, 1);
    network net = parse_network_cfg_custom(cfgfile, 1); // set batch=1
    if(weightfile){
        load_weights(&net, weightfile);
    }
    set_batch_network(&net, 1);
    //set_batch_network(&net, 1);
   fuse_conv_batchnorm(net);
    srand(2222222);
    clock_t time;
    double time;
    char buff[256];
    char *input = buff;
    int j;
    float nms=.4;
    float nms=.45;   // 0.4F
    while(1){
        if(filename){
            strncpy(input, filename, 256);
         if (input[strlen(input) - 1] == 0x0d) input[strlen(input) - 1] = 0;
         if(strlen(input) > 0)
            if (input[strlen(input) - 1] == 0x0d) input[strlen(input) - 1] = 0;
        } else {
            printf("Enter Image Path: ");
            fflush(stdout);
@@ -1027,20 +1073,28 @@
            strtok(input, "\n");
        }
        image im = load_image_color(input,0,0);
        image sized = resize_image(im, net.w, net.h);
      int letterbox = 0;
        //image sized = resize_image(im, net.w, net.h);
      image sized = letterbox_image(im, net.w, net.h); letterbox = 1;
        layer l = net.layers[net.n-1];

        box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
        float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
        for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(l.classes, sizeof(float *));
        //box *boxes = calloc(l.w*l.h*l.n, sizeof(box));
        //float **probs = calloc(l.w*l.h*l.n, sizeof(float *));
        //for(j = 0; j < l.w*l.h*l.n; ++j) probs[j] = calloc(l.classes, sizeof(float *));

        float *X = sized.data;
        time=clock();
        time= what_time_is_it_now();
        network_predict(net, X);
        printf("%s: Predicted in %f seconds.\n", input, sec(clock()-time));
        get_region_boxes(l, 1, 1, thresh, probs, boxes, 0, 0);
        if (nms) do_nms_sort(boxes, probs, l.w*l.h*l.n, l.classes, nms);
        draw_detections(im, l.w*l.h*l.n, thresh, boxes, probs, names, alphabet, l.classes);
      //network_predict_image(&net, im); letterbox = 1;
        printf("%s: Predicted in %f seconds.\n", input, (what_time_is_it_now()-time));
        //get_region_boxes(l, 1, 1, thresh, probs, boxes, 0, 0);
      // if (nms) do_nms_sort_v2(boxes, probs, l.w*l.h*l.n, l.classes, nms);
      //draw_detections(im, l.w*l.h*l.n, thresh, boxes, probs, names, alphabet, l.classes);
      int nboxes = 0;
      detection *dets = get_network_boxes(&net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes, letterbox);
      if (nms) do_nms_sort(dets, nboxes, l.classes, nms);
      draw_detections_v3(im, dets, nboxes, thresh, names, alphabet, l.classes);
      free_detections(dets, nboxes);
        save_image(im, "predictions");
      if (!dont_show) {
         show_image(im, "predictions");
@@ -1048,8 +1102,8 @@

        free_image(im);
        free_image(sized);
        free(boxes);
        free_ptrs((void **)probs, l.w*l.h*l.n);
        //free(boxes);
        //free_ptrs((void **)probs, l.w*l.h*l.n);
#ifdef OPENCV
      if (!dont_show) {
         cvWaitKey(0);
@@ -1058,6 +1112,22 @@
#endif
        if (filename) break;
    }

   // free memory
   free_ptrs(names, net.layers[net.n - 1].classes);
   free_list(options);

   int i;
   const int nsize = 8;
   for (j = 0; j < nsize; ++j) {
      for (i = 32; i < 127; ++i) {
         free_image(alphabet[j][i]);
      }
      free(alphabet[j]);
   }
   free(alphabet);

   free_network(net);
}

void run_detector(int argc, char **argv)
@@ -1066,13 +1136,15 @@
   int show = find_arg(argc, argv, "-show");
   int http_stream_port = find_int_arg(argc, argv, "-http_port", -1);
   char *out_filename = find_char_arg(argc, argv, "-out_filename", 0);
   char *outfile = find_char_arg(argc, argv, "-out", 0);
    char *prefix = find_char_arg(argc, argv, "-prefix", 0);
    float thresh = find_float_arg(argc, argv, "-thresh", .24);
    float thresh = find_float_arg(argc, argv, "-thresh", .25); // 0.24
   float hier_thresh = find_float_arg(argc, argv, "-hier", .5);
    int cam_index = find_int_arg(argc, argv, "-c", 0);
    int frame_skip = find_int_arg(argc, argv, "-s", 0);
   int num_of_clusters = find_int_arg(argc, argv, "-num_of_clusters", 5);
   int final_width = find_int_arg(argc, argv, "-final_width", 13);
   int final_heigh = find_int_arg(argc, argv, "-final_heigh", 13);
   int width = find_int_arg(argc, argv, "-width", -1);
   int height = find_int_arg(argc, argv, "-height", -1);
    if(argc < 4){
        fprintf(stderr, "usage: %s %s [train/test/valid] [cfg] [weights (optional)]\n", argv[0], argv[1]);
        return;
@@ -1106,22 +1178,25 @@
    char *cfg = argv[4];
    char *weights = (argc > 5) ? argv[5] : 0;
   if(weights)
      if (weights[strlen(weights) - 1] == 0x0d) weights[strlen(weights) - 1] = 0;
      if(strlen(weights) > 0)
         if (weights[strlen(weights) - 1] == 0x0d) weights[strlen(weights) - 1] = 0;
    char *filename = (argc > 6) ? argv[6]: 0;
    if(0==strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, dont_show);
    if(0==strcmp(argv[2], "test")) test_detector(datacfg, cfg, weights, filename, thresh, hier_thresh, dont_show);
    else if(0==strcmp(argv[2], "train")) train_detector(datacfg, cfg, weights, gpus, ngpus, clear, dont_show);
    else if(0==strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights);
    else if(0==strcmp(argv[2], "valid")) validate_detector(datacfg, cfg, weights, outfile);
    else if(0==strcmp(argv[2], "recall")) validate_detector_recall(datacfg, cfg, weights);
   else if(0==strcmp(argv[2], "map")) validate_detector_map(datacfg, cfg, weights, thresh);
   else if(0==strcmp(argv[2], "calc_anchors")) calc_anchors(datacfg, num_of_clusters, final_width, final_heigh, show);
   else if(0==strcmp(argv[2], "calc_anchors")) calc_anchors(datacfg, num_of_clusters, width, height, show);
    else if(0==strcmp(argv[2], "demo")) {
        list *options = read_data_cfg(datacfg);
        int classes = option_find_int(options, "classes", 20);
        char *name_list = option_find_str(options, "names", "data/names.list");
        char **names = get_labels(name_list);
      if(filename)
         if (filename[strlen(filename) - 1] == 0x0d) filename[strlen(filename) - 1] = 0;
        demo(cfg, weights, thresh, cam_index, filename, names, classes, frame_skip, prefix, out_filename, 
         if(strlen(filename) > 0)
            if (filename[strlen(filename) - 1] == 0x0d) filename[strlen(filename) - 1] = 0;
        demo(cfg, weights, thresh, hier_thresh, cam_index, filename, names, classes, frame_skip, prefix, out_filename,
         http_stream_port, dont_show);
    }
   else printf(" There isn't such command: %s", argv[2]);
}