Я использую dlib's train_object_detector для обнаружения лица, и у меня есть примерно 6k изображений в папке, с которой я пытаюсь обучить мою модель.dlib train_object_detector огромные объемы использования ОЗУ
Кроме того, для этой цели я использую код python для примера dlib (train_object_detector.py).
Но дело в том, что использование ОЗУ программы является безумным. Для примерно 300 изображений требуется примерно 15 ГБ оперативной памяти и прямо сейчас с моими 6к изображениями, я застрял.
Для изображений 6k, при обучении, потребовалось более 100 ГБ ОЗУ и, в конечном итоге, программа убила себя.
Это всегда было так? или я делаю что-то неправильно? Нормально ли использовать эту большую часть ОЗУ?
Это почти не изменено совсем и почти так же, как в примере кода из dlib.
Примечание: Размеры изображений находятся между 10-100 КБ.
Вот код, я использую (дистанционное управление): http://pastebin.com/WipU8qgq Вот код:
import os
import sys
import glob
import dlib
from skimage import io
if len(sys.argv) != 4:
print(
"Give the path to the faces directory as the argument to this "
"program with training and test xml files in order. For example: \n"
" ./train_object_detector_modified.py ../faces ../faces/training.xml ../faces/testing.xml")
exit()
faces_folder = sys.argv[1]
training_xml_path = sys.argv[2]
testing_xml_path = sys.argv[3]
options = dlib.simple_object_detector_training_options()
options.add_left_right_image_flips = True
options.C = 5
options.num_threads = 8
options.be_verbose = True
dlib.train_simple_object_detector(training_xml_path, "detector.svm", options)
print 'training end'
print("") # Print blank line to create gap from previous output
print("Training accuracy: {}".format(
dlib.test_simple_object_detector(training_xml_path, "detector.svm")))
print("Testing accuracy: {}".format(
dlib.test_simple_object_detector(testing_xml_path, "detector.svm")))
'''
# Now let's use the detector as you would in a normal application. First we
# will load it from disk.
detector = dlib.simple_object_detector("detector.svm")
# We can look at the HOG filter we learned. It should look like a face. Neat!
win_det = dlib.image_window()
win_det.set_image(detector)
# Now let's run the detector over the images in the faces folder and display the
# results.
print("Showing detections on the images in the faces folder...")
win = dlib.image_window()
for f in glob.glob(os.path.join(faces_folder, "*.jpg")):
print("Processing file: {}".format(f))
img = io.imread(f)
dets = detector(img)
print("Number of faces detected: {}".format(len(dets)))
for k, d in enumerate(dets):
print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
k, d.left(), d.top(), d.right(), d.bottom()))
win.clear_overlay()
win.set_image(img)
win.add_overlay(dets)
dlib.hit_enter_to_continue()
'''
Пожалуйста, разместите код в вопросе, ссылки могут стать недействительными. – SurvivalMachine
Насколько велики ваши входные изображения? Действительно ли они огромны? Сколько пикселей? –
@ DavisKing действительно большая их часть - 320x320, с некоторыми более крупными файлами, такими как 2560x1440, которых очень мало. – ABuyukcakir