up new v4

Scheaven

2021-06-03 168af40fe9a3cc81c6ee16b3e81f154780c36bdb

 lib/detecter_tools/darknet/yolo.c

@@ -1,368 +1,368 @@
#include "network.h"

#include "detection_layer.h"

#include "cost_layer.h"

#include "utils.h"

#include "parser.h"

#include "box.h"

#include "demo.h"



char *voc_names[] = {"aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};



void train_yolo(char *cfgfile, char *weightfile)

{

    char* train_images = "data/voc/train.txt";

    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;





    layer l = net.layers[net.n - 1];



    int side = l.side;

    int classes = l.classes;

    float jitter = l.jitter;



    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.paths = paths;

    args.n = imgs;

    args.m = plist->size;

    args.classes = classes;

    args.jitter = jitter;

    args.num_boxes = side;

    args.d = &buffer;

    args.type = REGION_DATA;



    args.angle = net.angle;

    args.exposure = net.exposure;

    args.saturation = net.saturation;

    args.hue = net.hue;



    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 || (i < 1000 && i%100 == 0)){

            char buff[256];

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

            save_weights(net, buff);

        }

        free_data(train);

    }

    char buff[256];

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

    save_weights(net, buff);

}



void print_yolo_detections(FILE **fps, char *id, box *boxes, float **probs, 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.;



        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){

            if (probs[i][j]) fprintf(fps[j], "%s %f %f %f %f %f\n", id, probs[i][j],

                    xmin, ymin, xmax, ymax);

        }

    }

}



void validate_yolo(char *cfgfile, char *weightfile)

{

    network net = parse_network_cfg(cfgfile);

    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 = "results/comp4_det_test_";

    //list *plist = get_paths("data/voc.2007.test");

    list* plist = get_paths("data/voc/2007_test.txt");

    //list *plist = get_paths("data/voc.2012.test");

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



    layer l = net.layers[net.n-1];

    int classes = l.classes;



    int j;

    FILE** fps = (FILE**)xcalloc(classes, sizeof(FILE*));

    for(j = 0; j < classes; ++j){

        char buff[1024];

        snprintf(buff, 1024, "%s%s.txt", base, voc_names[j]);

        fps[j] = fopen(buff, "w");

    }

    box* boxes = (box*)xcalloc(l.side * l.side * l.n, sizeof(box));

    float** probs = (float**)xcalloc(l.side * l.side * l.n, sizeof(float*));

    for(j = 0; j < l.side*l.side*l.n; ++j) probs[j] = (float*)xcalloc(classes, sizeof(float));



    int m = plist->size;

    int i=0;

    int t;



    float thresh = .001;

    int nms = 1;

    float iou_thresh = .5;



    int nthreads = 8;

    image* val = (image*)xcalloc(nthreads, sizeof(image));

    image* val_resized = (image*)xcalloc(nthreads, sizeof(image));

    image* buf = (image*)xcalloc(nthreads, sizeof(image));

    image* buf_resized = (image*)xcalloc(nthreads, sizeof(image));

    pthread_t* thr = (pthread_t*)xcalloc(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_detection_boxes(l, w, h, thresh, probs, boxes, 0);

            if (nms) do_nms_sort_v2(boxes, probs, l.side*l.side*l.n, classes, iou_thresh);

            print_yolo_detections(fps, id, boxes, probs, l.side*l.side*l.n, classes, w, h);

            free(id);

            free_image(val[t]);

            free_image(val_resized[t]);

        }

    }



    if (fps) free(fps);

    if (val) free(val);

    if (val_resized) free(val_resized);

    if (buf) free(buf);

    if (buf_resized) free(buf_resized);

    if (thr) free(thr);



    fprintf(stderr, "Total Detection Time: %f Seconds\n", (double)(time(0) - start));

    for(j = 0; j < classes; ++j){

        fclose(fps[j]);

    }

    free(fps);

}



void validate_yolo_recall(char *cfgfile, char *weightfile)

{

    network net = parse_network_cfg(cfgfile);

    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));



    list *plist = get_paths("data/voc.2007.test");

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



    layer l = net.layers[net.n-1];

    int classes = l.classes;

    int side = l.side;



    int j, k;

    box* boxes = (box*)xcalloc(side * side * l.n, sizeof(box));

    float** probs = (float**)xcalloc(side * side * l.n, sizeof(float*));

    for(j = 0; j < side*side*l.n; ++j) {

        probs[j] = (float*)xcalloc(classes, sizeof(float));

    }



    int m = plist->size;

    int i=0;



    float thresh = .001;

    float iou_thresh = .5;

    float nms = 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);

        get_detection_boxes(l, orig.w, orig.h, thresh, probs, boxes, 1);

        if (nms) do_nms(boxes, probs, side*side*l.n, 1, nms);



        char labelpath[4096];

      replace_image_to_label(path, labelpath);



        int num_labels = 0;

        box_label *truth = read_boxes(labelpath, &num_labels);

        for(k = 0; k < side*side*l.n; ++k){

            if(probs[k][0] > 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 < side*side*l.n; ++k){

                float iou = box_iou(boxes[k], t);

                if(probs[k][0] > 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);

    }

}



void test_yolo(char *cfgfile, char *weightfile, char *filename, float thresh)

{

    image **alphabet = load_alphabet();

    network net = parse_network_cfg(cfgfile);

    if(weightfile){

        load_weights(&net, weightfile);

    }

    detection_layer l = net.layers[net.n-1];

    set_batch_network(&net, 1);

    srand(2222222);

    char buff[256];

    char *input = buff;

    int j;

    float nms=.4;

    box* boxes = (box*)xcalloc(l.side * l.side * l.n, sizeof(box));

    float** probs = (float**)xcalloc(l.side * l.side * l.n, sizeof(float*));

    for(j = 0; j < l.side*l.side*l.n; ++j) {

        probs[j] = (float*)xcalloc(l.classes, sizeof(float));

    }

    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);

        image sized = resize_image(im, net.w, net.h);

        float *X = sized.data;

        clock_t time=clock();

        network_predict(net, X);

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

        get_detection_boxes(l, 1, 1, thresh, probs, boxes, 0);

        if (nms) do_nms_sort_v2(boxes, probs, l.side*l.side*l.n, l.classes, nms);

        //draw_detections(im, l.side*l.side*l.n, thresh, boxes, probs, voc_names, alphabet, 20);

        draw_detections(im, l.side*l.side*l.n, thresh, boxes, probs, voc_names, alphabet, 20);

        save_image(im, "predictions");

        show_image(im, "predictions");



        free_image(im);

        free_image(sized);



        wait_until_press_key_cv();

        destroy_all_windows_cv();



        if (filename) break;

    }

    free(boxes);

    for(j = 0; j < l.side*l.side*l.n; ++j) {

        free(probs[j]);

    }

    free(probs);

}



void run_yolo(int argc, char **argv)

{

   int dont_show = find_arg(argc, argv, "-dont_show");

   int mjpeg_port = find_int_arg(argc, argv, "-mjpeg_port", -1);

    int json_port = find_int_arg(argc, argv, "-json_port", -1);

   char *out_filename = find_char_arg(argc, argv, "-out_filename", 0);

    char *prefix = find_char_arg(argc, argv, "-prefix", 0);

    float thresh = find_float_arg(argc, argv, "-thresh", .2);

   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 ext_output = find_arg(argc, argv, "-ext_output");

    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], "test")) test_yolo(cfg, weights, filename, thresh);

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

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

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

    else if(0==strcmp(argv[2], "demo")) demo(cfg, weights, thresh, hier_thresh, cam_index, filename, voc_names, 20, frame_skip,

      prefix, out_filename, mjpeg_port, 0, json_port, dont_show, ext_output, 0, 0, 0, 0, 0);

}

#include "network.h"
#include "detection_layer.h"
#include "cost_layer.h"
#include "utils.h"
#include "parser.h"
#include "box.h"
#include "demo.h"

char *voc_names[] = {"aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};

void train_yolo(char *cfgfile, char *weightfile)
{
    char* train_images = "data/voc/train.txt";
    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;


    layer l = net.layers[net.n - 1];

    int side = l.side;
    int classes = l.classes;
    float jitter = l.jitter;

    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.paths = paths;
    args.n = imgs;
    args.m = plist->size;
    args.classes = classes;
    args.jitter = jitter;
    args.num_boxes = side;
    args.d = &buffer;
    args.type = REGION_DATA;

    args.angle = net.angle;
    args.exposure = net.exposure;
    args.saturation = net.saturation;
    args.hue = net.hue;

    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 || (i < 1000 && i%100 == 0)){
            char buff[256];
            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);
            save_weights(net, buff);
        }
        free_data(train);
    }
    char buff[256];
    sprintf(buff, "%s/%s_final.weights", backup_directory, base);
    save_weights(net, buff);
}

void print_yolo_detections(FILE **fps, char *id, box *boxes, float **probs, 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.;

        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){
            if (probs[i][j]) fprintf(fps[j], "%s %f %f %f %f %f\n", id, probs[i][j],
                    xmin, ymin, xmax, ymax);
        }
    }
}

void validate_yolo(char *cfgfile, char *weightfile)
{
    network net = parse_network_cfg(cfgfile);
    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 = "results/comp4_det_test_";
    //list *plist = get_paths("data/voc.2007.test");
    list* plist = get_paths("data/voc/2007_test.txt");
    //list *plist = get_paths("data/voc.2012.test");
    char **paths = (char **)list_to_array(plist);

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

    int j;
    FILE** fps = (FILE**)xcalloc(classes, sizeof(FILE*));
    for(j = 0; j < classes; ++j){
        char buff[1024];
        snprintf(buff, 1024, "%s%s.txt", base, voc_names[j]);
        fps[j] = fopen(buff, "w");
    }
    box* boxes = (box*)xcalloc(l.side * l.side * l.n, sizeof(box));
    float** probs = (float**)xcalloc(l.side * l.side * l.n, sizeof(float*));
    for(j = 0; j < l.side*l.side*l.n; ++j) probs[j] = (float*)xcalloc(classes, sizeof(float));

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

    float thresh = .001;
    int nms = 1;
    float iou_thresh = .5;

    int nthreads = 8;
    image* val = (image*)xcalloc(nthreads, sizeof(image));
    image* val_resized = (image*)xcalloc(nthreads, sizeof(image));
    image* buf = (image*)xcalloc(nthreads, sizeof(image));
    image* buf_resized = (image*)xcalloc(nthreads, sizeof(image));
    pthread_t* thr = (pthread_t*)xcalloc(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_detection_boxes(l, w, h, thresh, probs, boxes, 0);
            if (nms) do_nms_sort_v2(boxes, probs, l.side*l.side*l.n, classes, iou_thresh);
            print_yolo_detections(fps, id, boxes, probs, l.side*l.side*l.n, classes, w, h);
            free(id);
            free_image(val[t]);
            free_image(val_resized[t]);
        }
    }

    if (fps) free(fps);
    if (val) free(val);
    if (val_resized) free(val_resized);
    if (buf) free(buf);
    if (buf_resized) free(buf_resized);
    if (thr) free(thr);

    fprintf(stderr, "Total Detection Time: %f Seconds\n", (double)(time(0) - start));
    for(j = 0; j < classes; ++j){
        fclose(fps[j]);
    }
    free(fps);
}

void validate_yolo_recall(char *cfgfile, char *weightfile)
{
    network net = parse_network_cfg(cfgfile);
    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));

    list *plist = get_paths("data/voc.2007.test");
    char **paths = (char **)list_to_array(plist);

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

    int j, k;
    box* boxes = (box*)xcalloc(side * side * l.n, sizeof(box));
    float** probs = (float**)xcalloc(side * side * l.n, sizeof(float*));
    for(j = 0; j < side*side*l.n; ++j) {
        probs[j] = (float*)xcalloc(classes, sizeof(float));
    }

    int m = plist->size;
    int i=0;

    float thresh = .001;
    float iou_thresh = .5;
    float nms = 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);
        get_detection_boxes(l, orig.w, orig.h, thresh, probs, boxes, 1);
        if (nms) do_nms(boxes, probs, side*side*l.n, 1, nms);

        char labelpath[4096];
      replace_image_to_label(path, labelpath);

        int num_labels = 0;
        box_label *truth = read_boxes(labelpath, &num_labels);
        for(k = 0; k < side*side*l.n; ++k){
            if(probs[k][0] > 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 < side*side*l.n; ++k){
                float iou = box_iou(boxes[k], t);
                if(probs[k][0] > 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);
    }
}

void test_yolo(char *cfgfile, char *weightfile, char *filename, float thresh)
{
    image **alphabet = load_alphabet();
    network net = parse_network_cfg(cfgfile);
    if(weightfile){
        load_weights(&net, weightfile);
    }
    detection_layer l = net.layers[net.n-1];
    set_batch_network(&net, 1);
    srand(2222222);
    char buff[256];
    char *input = buff;
    int j;
    float nms=.4;
    box* boxes = (box*)xcalloc(l.side * l.side * l.n, sizeof(box));
    float** probs = (float**)xcalloc(l.side * l.side * l.n, sizeof(float*));
    for(j = 0; j < l.side*l.side*l.n; ++j) {
        probs[j] = (float*)xcalloc(l.classes, sizeof(float));
    }
    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);
        image sized = resize_image(im, net.w, net.h);
        float *X = sized.data;
        clock_t time=clock();
        network_predict(net, X);
        printf("%s: Predicted in %f seconds.\n", input, sec(clock()-time));
        get_detection_boxes(l, 1, 1, thresh, probs, boxes, 0);
        if (nms) do_nms_sort_v2(boxes, probs, l.side*l.side*l.n, l.classes, nms);
        //draw_detections(im, l.side*l.side*l.n, thresh, boxes, probs, voc_names, alphabet, 20);
        draw_detections(im, l.side*l.side*l.n, thresh, boxes, probs, voc_names, alphabet, 20);
        save_image(im, "predictions");
        show_image(im, "predictions");

        free_image(im);
        free_image(sized);

        wait_until_press_key_cv();
        destroy_all_windows_cv();

        if (filename) break;
    }
    free(boxes);
    for(j = 0; j < l.side*l.side*l.n; ++j) {
        free(probs[j]);
    }
    free(probs);
}

void run_yolo(int argc, char **argv)
{
   int dont_show = find_arg(argc, argv, "-dont_show");
   int mjpeg_port = find_int_arg(argc, argv, "-mjpeg_port", -1);
    int json_port = find_int_arg(argc, argv, "-json_port", -1);
   char *out_filename = find_char_arg(argc, argv, "-out_filename", 0);
    char *prefix = find_char_arg(argc, argv, "-prefix", 0);
    float thresh = find_float_arg(argc, argv, "-thresh", .2);
   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 ext_output = find_arg(argc, argv, "-ext_output");
    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], "test")) test_yolo(cfg, weights, filename, thresh);
    else if(0==strcmp(argv[2], "train")) train_yolo(cfg, weights);
    else if(0==strcmp(argv[2], "valid")) validate_yolo(cfg, weights);
    else if(0==strcmp(argv[2], "recall")) validate_yolo_recall(cfg, weights);
    else if(0==strcmp(argv[2], "demo")) demo(cfg, weights, thresh, hier_thresh, cam_index, filename, voc_names, 20, 1, frame_skip,
      prefix, out_filename, mjpeg_port, 0, json_port, dont_show, ext_output, 0, 0, 0, 0, 0);
}