如何在16位深度图像文件上训练YOLO（Darknet）？

Question

yolo的当前实现支持8位深度，3通道png / jpg图像进行训练。我需要在16位，3通道png图像上训练yolo。我需要更改哪些代码？

我目前更改了以下代码：

在功能image load_image_stb(char *filename, int channels)中，更改了：

• unsigned char *data = stbi_load(filename, &w, &h, &c, channels);至unsigned short *data = stbi_load(filename, &w, &h, &c, channels);
• im.data[dst_index] = (float)data[src_index]/255.;至im.data[dst_index] = (float)data[src_index]/65536.;

在功能image load_image_cv(char *filename, int channels)中，将src = cvLoadImage(filename, flag)更改为src = cvLoadImage(filename, -1)，因为-1标志要求opencv加载具有原始深度的图像。

在函数void ipl_into_image(IplImage* src, image im)中，更改了：

• unsigned char *data = (unsigned char *)src->imageData;至unsigned short *data = (unsigned short *)src->imageData;
• im.data[k*w*h + i*w + j] = data[i*step + j*c + k]/255.;至im.data[k*w*h + i*w + j] = data[i*step + j*c + k]/65536.;

我应该做些什么其他修改以确保yolo在16位频道上进行培训？谢谢。

Answer 1

探测器似乎需要3个通道（rgb）。通过禁用失真增强，并更新硬编码为3个通道的代码区域，即load_data_seg（），我能够进行训练。在我的情况下，我使用opencv并加载16位pgm文件。