darknet window용 소스코드

 CNN 에 대한 분류 외에도 detection 이 필요 하여, caffe를 사용해서 ROI Pooling Layer를 사용한 R-CNN을 사용 하려고 보니, 최근 들어 연구 되고 있는 fast R-CNN 이, faster R-CNN을 좀 찾아 보았다. R-CNN이 가진 단점들이 개선되고 있는거 같다. 특히 속도.. 그 중에 좀 특이한걸 발견했는데 darknet  이 링크를 보면 fast r-cnn 보다 100배 빠르다고 써있다. 그렇다면 당연히 이거 써야지.. 근데... caffe 처럼 ipython notebook 환경에서 쉽게 사용하기에는 작업이 많이 필요할 듯 하다.

 일단 나는 window 에서 작업할 것임으로 기존 소스코드에서 약간의 수정이 필요했다. https://github.com/ttagu99/darknet -> vs2013 + cuda 7.5 + opencv3.1.0 + cudnn ver5 환경으로 수정한 파일.

 darknet train을 위한 sample images와 sample lables들을 http://guanghan.info/blog/en/my-works/train-yolo/  이 링크에서 구해서 컴파일 후 바로 training을 해 볼수 있도록 코드 수정하였다.
 training 하는 방법은 기존 코드에서 조금 변경했다. train 이미지 경로와 모델 저장 경로가 하드코딩 되어있어서 아래처럼 변경하였다.

darknetVs2013 yolo train [cfg경로] [Init weight파일이름] [training 이미지 경로가 저장된 파일] [iter별 모델이 저장될 경로]
e.g.
darknetVs2013 yolo train ../cfg/yolo_448_448.cfg init.weights training_list.txt ./backup