up new v4

Scheaven

2021-06-03 168af40fe9a3cc81c6ee16b3e81f154780c36bdb

 lib/detecter_tools/darknet/voxel.c

@@ -1,164 +1,164 @@
#include "network.h"

#include "cost_layer.h"

#include "utils.h"

#include "parser.h"



void extract_voxel(char *lfile, char *rfile, char *prefix)

{

#ifdef OPENCV

    int w = 1920;

    int h = 1080;

    int shift = 0;

    int count = 0;

    cap_cv *lcap = get_capture_video_stream(lfile);

    cap_cv *rcap = get_capture_video_stream(rfile);

    while(1){

        image l = get_image_from_stream_cpp(lcap);

        image r = get_image_from_stream_cpp(rcap);

        if(!l.w || !r.w) break;

        if(count%100 == 0) {

            shift = best_3d_shift_r(l, r, -l.h/100, l.h/100);

            printf("%d\n", shift);

        }

        image ls = crop_image(l, (l.w - w)/2, (l.h - h)/2, w, h);

        image rs = crop_image(r, 105 + (r.w - w)/2, (r.h - h)/2 + shift, w, h);

        char buff[256];

        sprintf(buff, "%s_%05d_l", prefix, count);

        save_image(ls, buff);

        sprintf(buff, "%s_%05d_r", prefix, count);

        save_image(rs, buff);

        free_image(l);

        free_image(r);

        free_image(ls);

        free_image(rs);

        ++count;

    }



#else

    printf("need OpenCV for extraction\n");

#endif

}



void train_voxel(char *cfgfile, char *weightfile)

{

    char* train_images = "data/imagenet/imagenet1k.train.list";

    char* backup_directory = "backup/";

    srand(time(0));

    char *base = basecfg(cfgfile);

    printf("%s\n", base);

    float avg_loss = -1;

    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 = net.batch*net.subdivisions;

    int i = *net.seen/imgs;

    data train, buffer;





    list *plist = get_paths(train_images);

    //int N = plist->size;

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



    load_args args = {0};

    args.w = net.w;

    args.h = net.h;

    args.scale = 4;

    args.paths = paths;

    args.n = imgs;

    args.m = plist->size;

    args.d = &buffer;

    args.type = SUPER_DATA;



    pthread_t load_thread = load_data_in_thread(args);

    clock_t time;

    //while(i*imgs < N*120){

    while(get_current_batch(net) < net.max_batches){

        i += 1;

        time=clock();

        pthread_join(load_thread, 0);

        train = buffer;

        load_thread = load_data_in_thread(args);



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



        time=clock();

        float loss = train_network(net, train);

        if (avg_loss < 0) avg_loss = loss;

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



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

        if(i%1000==0){

            char buff[256];

            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);

            save_weights(net, buff);

        }

        if(i%100==0){

            char buff[256];

            sprintf(buff, "%s/%s.backup", backup_directory, base);

            save_weights(net, buff);

        }

        free_data(train);

    }

    char buff[256];

    sprintf(buff, "%s/%s_final.weights", backup_directory, base);

    save_weights(net, buff);

}



void test_voxel(char *cfgfile, char *weightfile, char *filename)

{

    network net = parse_network_cfg(cfgfile);

    if(weightfile){

        load_weights(&net, weightfile);

    }

    set_batch_network(&net, 1);

    srand(2222222);



    clock_t time;

    char buff[256];

    char *input = buff;

    while(1){

        if(filename){

            strncpy(input, filename, 256);

        }else{

            printf("Enter Image Path: ");

            fflush(stdout);

            input = fgets(input, 256, stdin);

            if(!input) return;

            strtok(input, "\n");

        }

        image im = load_image_color(input, 0, 0);

        resize_network(&net, im.w, im.h);

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



        float *X = im.data;

        time=clock();

        network_predict(net, X);

        image out = get_network_image(net);

        printf("%s: Predicted in %f seconds.\n", input, sec(clock()-time));

        save_image(out, "out");



        free_image(im);

        if (filename) break;

    }

}





void run_voxel(int argc, char **argv)

{

    if(argc < 4){

        fprintf(stderr, "usage: %s %s [train/test/valid] [cfg] [weights (optional)]\n", argv[0], argv[1]);

        return;

    }



    char *cfg = argv[3];

    char *weights = (argc > 4) ? argv[4] : 0;

    char *filename = (argc > 5) ? argv[5] : 0;

    if(0==strcmp(argv[2], "train")) train_voxel(cfg, weights);

    else if(0==strcmp(argv[2], "test")) test_voxel(cfg, weights, filename);

    else if(0==strcmp(argv[2], "extract")) extract_voxel(argv[3], argv[4], argv[5]);

    /*

       else if(0==strcmp(argv[2], "valid")) validate_voxel(cfg, weights);

     */

}

#include "network.h"
#include "cost_layer.h"
#include "utils.h"
#include "parser.h"

void extract_voxel(char *lfile, char *rfile, char *prefix)
{
#ifdef OPENCV
    int w = 1920;
    int h = 1080;
    int shift = 0;
    int count = 0;
    cap_cv *lcap = get_capture_video_stream(lfile);
    cap_cv *rcap = get_capture_video_stream(rfile);
    while(1){
        image l = get_image_from_stream_cpp(lcap);
        image r = get_image_from_stream_cpp(rcap);
        if(!l.w || !r.w) break;
        if(count%100 == 0) {
            shift = best_3d_shift_r(l, r, -l.h/100, l.h/100);
            printf("%d\n", shift);
        }
        image ls = crop_image(l, (l.w - w)/2, (l.h - h)/2, w, h);
        image rs = crop_image(r, 105 + (r.w - w)/2, (r.h - h)/2 + shift, w, h);
        char buff[256];
        sprintf(buff, "%s_%05d_l", prefix, count);
        save_image(ls, buff);
        sprintf(buff, "%s_%05d_r", prefix, count);
        save_image(rs, buff);
        free_image(l);
        free_image(r);
        free_image(ls);
        free_image(rs);
        ++count;
    }

#else
    printf("need OpenCV for extraction\n");
#endif
}

void train_voxel(char *cfgfile, char *weightfile)
{
    char* train_images = "data/imagenet/imagenet1k.train.list";
    char* backup_directory = "backup/";
    srand(time(0));
    char *base = basecfg(cfgfile);
    printf("%s\n", base);
    float avg_loss = -1;
    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 = net.batch*net.subdivisions;
    int i = *net.seen/imgs;
    data train, buffer;


    list *plist = get_paths(train_images);
    //int N = plist->size;
    char **paths = (char **)list_to_array(plist);

    load_args args = {0};
    args.w = net.w;
    args.h = net.h;
    args.scale = 4;
    args.paths = paths;
    args.n = imgs;
    args.m = plist->size;
    args.d = &buffer;
    args.type = SUPER_DATA;

    pthread_t load_thread = load_data_in_thread(args);
    clock_t time;
    //while(i*imgs < N*120){
    while(get_current_batch(net) < net.max_batches){
        i += 1;
        time=clock();
        pthread_join(load_thread, 0);
        train = buffer;
        load_thread = load_data_in_thread(args);

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

        time=clock();
        float loss = train_network(net, train);
        if (avg_loss < 0) avg_loss = loss;
        avg_loss = avg_loss*.9 + loss*.1;

        printf("%d: %f, %f avg, %f rate, %lf seconds, %d images\n", i, loss, avg_loss, get_current_rate(net), sec(clock()-time), i*imgs);
        if(i%1000==0){
            char buff[256];
            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);
            save_weights(net, buff);
        }
        if(i%100==0){
            char buff[256];
            sprintf(buff, "%s/%s.backup", backup_directory, base);
            save_weights(net, buff);
        }
        free_data(train);
    }
    char buff[256];
    sprintf(buff, "%s/%s_final.weights", backup_directory, base);
    save_weights(net, buff);
}

void test_voxel(char *cfgfile, char *weightfile, char *filename)
{
    network net = parse_network_cfg(cfgfile);
    if(weightfile){
        load_weights(&net, weightfile);
    }
    set_batch_network(&net, 1);
    srand(2222222);

    clock_t time;
    char buff[256];
    char *input = buff;
    while(1){
        if(filename){
            strncpy(input, filename, 256);
        }else{
            printf("Enter Image Path: ");
            fflush(stdout);
            input = fgets(input, 256, stdin);
            if(!input) return;
            strtok(input, "\n");
        }
        image im = load_image_color(input, 0, 0);
        resize_network(&net, im.w, im.h);
        printf("%d %d\n", im.w, im.h);

        float *X = im.data;
        time=clock();
        network_predict(net, X);
        image out = get_network_image(net);
        printf("%s: Predicted in %f seconds.\n", input, sec(clock()-time));
        save_image(out, "out");

        free_image(im);
        if (filename) break;
    }
}


void run_voxel(int argc, char **argv)
{
    if(argc < 4){
        fprintf(stderr, "usage: %s %s [train/test/valid] [cfg] [weights (optional)]\n", argv[0], argv[1]);
        return;
    }

    char *cfg = argv[3];
    char *weights = (argc > 4) ? argv[4] : 0;
    char *filename = (argc > 5) ? argv[5] : 0;
    if(0==strcmp(argv[2], "train")) train_voxel(cfg, weights);
    else if(0==strcmp(argv[2], "test")) test_voxel(cfg, weights, filename);
    else if(0==strcmp(argv[2], "extract")) extract_voxel(argv[3], argv[4], argv[5]);
    /*
       else if(0==strcmp(argv[2], "valid")) validate_voxel(cfg, weights);
     */
}