YOLOX 是旷视提出的一个新的高性能检测器,从论文来看,backbone和neck相比前作变化不大,主要更改在于输入端的数据增强加入了mixup,预测层相比前作改为了解耦的方式。
本文将针对一个Finger识别项目,介绍ubuntu命令行下,yoloX从环境搭建到模型训练的整个过程。
1.环境
训练使用的环境如下:
Ubuntu
20.04
python
3.8.8
torch
1.8.2+cu111
torchvision
0.9.2+cu111
NVIDIA driver
470.74
CUDA
11.5
相关安装和校验见上一篇文章
2.代码模型下载
2.1 下载模型
git clone https://github.com/Megvii-BaseDetection/YOLOX
2.2下载预训练模型
yolox_x的预训练模型
wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_x.pth
2.3 下载模型依赖项
cd YOLOX
pip3 install -r requirements.txt
如果报错,打开根目录下的requirements.txt
,手动安装
sudo apt install xxx
3.数据集制作
3.1 Yolomark标注
Yolomark的使用参考上一篇文章
YOLOX使用的是VOC COCO数据集,制作完之后我们需要转换yolomark格式到VOC格式。当然,可以一开始就使用VOC相关工具生成VOC的格式。
4.训练设置
4.1 数据转移
a)在YOLOX/dataset
文件下新建一个文件夹FingerDetect
用于存放我们制作的数据集。在其中新建VOC格式的4个文件夹 Annotations
,ImageSets
,JPEGImages
。再新建一个labels
文件夹。
b)在ImageSets
下新建一个Main
文件夹,里面新建2个txt文件:train.txt
和 val.txt
,用于稍后存储分组信息。
c)将用yolomark
标注的jpg文件放入JPEGImages
,标签txt放入labels。
d)新建一个.py
文件,仿照以下代码编写,将.txt
标签转化为.xml
标签,注意路径设置。笔者这里的转换相对路径见代码后附的图片。
import os
import xml.etree.ElementTree as ET
from xml.dom.minidom import Document
import cv2
'''
import xml
xml.dom.minidom.Document().writexml()
def writexml(self,
writer: Any,
indent: str = "",
addindent: str = "",
newl: str = "",
encoding: Any = None) -> None
'''
class YOLO2VOCConvert:
def __init__(self, txts_path, xmls_path, imgs_path):
self.txts_path = txts_path # 标注的yolo格式标签文件路径
self.xmls_path = xmls_path # 转化为voc格式标签之后保存路径
self.imgs_path = imgs_path # 读取读片的路径各图片名字,存储到xml标签文件中
self.classes = ['Finger']
# 从所有的txt文件中提取出所有的类别, yolo格式的标签格式类别为数字 0,1,...
# writer为True时,把提取的类别保存到'./Annotations/classes.txt'文件中
def search_all_classes(self, writer=False):
# 读取每一个txt标签文件,取出每个目标的标注信息
all_names = set()
txts = os.listdir(self.txts_path)
# 使用列表生成式过滤出只有后缀名为txt的标签文件
txts = [txt for txt in txts if txt.split('.')[-1] == 'txt']
print(len(txts), txts)
# 11 ['0002030.txt', '0002031.txt', ... '0002039.txt', '0002040.txt']
for txt in txts:
txt_file = os.path.join(self.txts_path, txt)
with open(txt_file, 'r') as f:
objects = f.readlines()
for object in objects:
object = object.strip().split(' ')
print(object) # ['2', '0.506667', '0.553333', '0.490667', '0.658667']
all_names.add(int(object[0]))
# print(objects) # ['2 0.506667 0.553333 0.490667 0.658667\n', '0 0.496000 0.285333 0.133333 0.096000\n', '8 0.501333 0.412000 0.074667 0.237333\n']
print("所有的类别标签:", all_names, "共标注数据集:%d张" % len(txts))
return list(all_names)
def yolo2voc(self):
# 创建一个保存xml标签文件的文件夹
if not os.path.exists(self.xmls_path):
os.mkdir(self.xmls_path)
# 把上面的两个循环改写成为一个循环:
imgs = os.listdir(self.imgs_path)
txts = os.listdir(self.txts_path)
txts = [txt for txt in txts if not txt.split('.')[0] == "classes"] # 过滤掉classes.txt文件
print(txts)
# 注意,这里保持图片的数量和标签txt文件数量相等,且要保证名字是一一对应的 (后面改进,通过判断txt文件名是否在imgs中即可)
if len(imgs) == len(txts): # 注意:./Annotation_txt 不要把classes.txt文件放进去
map_imgs_txts = [(img, txt) for img, txt in zip(imgs, txts)]
txts = [txt for txt in txts if txt.split('.')[-1] == 'txt']
print(len(txts), txts)
for img_name, txt_name in map_imgs_txts:
# 读取图片的尺度信息
print("读取图片:", img_name)
img = cv2.imread(os.path.join(self.imgs_path, img_name))
height_img, width_img, depth_img = img.shape
print(height_img, width_img, depth_img) # h 就是多少行(对应图片的高度), w就是多少列(对应图片的宽度)
# 获取标注文件txt中的标注信息
all_objects = []
txt_file = os.path.join(self.txts_path, txt_name)
with open(txt_file, 'r') as f:
objects = f.readlines()
for object in objects:
object = object.strip().split(' ')
all_objects.append(object)
print(object) # ['2', '0.506667', '0.553333', '0.490667', '0.658667']
# 创建xml标签文件中的标签
xmlBuilder = Document()
# 创建annotation标签,也是根标签
annotation = xmlBuilder.createElement("annotation")
# 给标签annotation添加一个子标签
xmlBuilder.appendChild(annotation)
# 创建子标签folder
folder = xmlBuilder.createElement("folder")
# 给子标签folder中存入内容,folder标签中的内容是存放图片的文件夹,例如:JPEGImages
folderContent = xmlBuilder.createTextNode(self.imgs_path.split('/')[-1]) # 标签内存
folder.appendChild(folderContent) # 把内容存入标签
annotation.appendChild(folder) # 把存好内容的folder标签放到 annotation根标签下
# 创建子标签filename
filename = xmlBuilder.createElement("filename")
# 给子标签filename中存入内容,filename标签中的内容是图片的名字,例如:000250.jpg
filenameContent = xmlBuilder.createTextNode(txt_name.split('.')[0] + '.jpg') # 标签内容
filename.appendChild(filenameContent)
annotation.appendChild(filename)
# 把图片的shape存入xml标签中
size = xmlBuilder.createElement("size")
# 给size标签创建子标签width
width = xmlBuilder.createElement("width") # size子标签width
widthContent = xmlBuilder.createTextNode(str(width_img))
width.appendChild(widthContent)
size.appendChild(width) # 把width添加为size的子标签
# 给size标签创建子标签height
height = xmlBuilder.createElement("height") # size子标签height
heightContent = xmlBuilder.createTextNode(str(height_img)) # xml标签中存入的内容都是字符串
height.appendChild(heightContent)
size.appendChild(height) # 把width添加为size的子标签
# 给size标签创建子标签depth
depth = xmlBuilder.createElement("depth") # size子标签width
depthContent = xmlBuilder.createTextNode(str(depth_img))
depth.appendChild(depthContent)
size.appendChild(depth) # 把width添加为size的子标签
annotation.appendChild(size) # 把size添加为annotation的子标签
# 每一个object中存储的都是['2', '0.506667', '0.553333', '0.490667', '0.658667']一个标注目标
for object_info in all_objects:
# 开始创建标注目标的label信息的标签
object = xmlBuilder.createElement("object") # 创建object标签
# 创建label类别标签
# 创建name标签
imgName = xmlBuilder.createElement("name") # 创建name标签
imgNameContent = xmlBuilder.createTextNode(self.classes[int(object_info[0])])
imgName.appendChild(imgNameContent)
object.appendChild(imgName) # 把name添加为object的子标签
# 创建pose标签
pose = xmlBuilder.createElement("pose")
poseContent = xmlBuilder.createTextNode("Unspecified")
pose.appendChild(poseContent)
object.appendChild(pose) # 把pose添加为object的标签
# 创建truncated标签
truncated = xmlBuilder.createElement("truncated")
truncatedContent = xmlBuilder.createTextNode("0")
truncated.appendChild(truncatedContent)
object.appendChild(truncated)
# 创建difficult标签
difficult = xmlBuilder.createElement("difficult")
difficultContent = xmlBuilder.createTextNode("0")
difficult.appendChild(difficultContent)
object.appendChild(difficult)
# 先转换一下坐标
# (objx_center, objy_center, obj_width, obj_height)->(xmin,ymin, xmax,ymax)
x_center = float(object_info[1])*width_img + 1
y_center = float(object_info[2])*height_img + 1
xminVal = int(x_center - 0.5*float(object_info[3])*width_img) # object_info列表中的元素都是字符串类型
yminVal = int(y_center - 0.5*float(object_info[4])*height_img)
xmaxVal = int(x_center + 0.5*float(object_info[3])*width_img)
ymaxVal = int(y_center + 0.5*float(object_info[4])*height_img)
# 创建bndbox标签(三级标签)
bndbox = xmlBuilder.createElement("bndbox")
# 在bndbox标签下再创建四个子标签(xmin,ymin, xmax,ymax) 即标注物体的坐标和宽高信息
# 在voc格式中,标注信息:左上角坐标(xmin, ymin) (xmax, ymax)右下角坐标
# 1、创建xmin标签
xmin = xmlBuilder.createElement("xmin") # 创建xmin标签(四级标签)
xminContent = xmlBuilder.createTextNode(str(xminVal))
xmin.appendChild(xminContent)
bndbox.appendChild(xmin)
# 2、创建ymin标签
ymin = xmlBuilder.createElement("ymin") # 创建ymin标签(四级标签)
yminContent = xmlBuilder.createTextNode(str(yminVal))
ymin.appendChild(yminContent)
bndbox.appendChild(ymin)
# 3、创建xmax标签
xmax = xmlBuilder.createElement("xmax") # 创建xmax标签(四级标签)
xmaxContent = xmlBuilder.createTextNode(str(xmaxVal))
xmax.appendChild(xmaxContent)
bndbox.appendChild(xmax)
# 4、创建ymax标签
ymax = xmlBuilder.createElement("ymax") # 创建ymax标签(四级标签)
ymaxContent = xmlBuilder.createTextNode(str(ymaxVal))
ymax.appendChild(ymaxContent)
bndbox.appendChild(ymax)
object.appendChild(bndbox)
annotation.appendChild(object) # 把object添加为annotation的子标签
f = open(os.path.join(self.xmls_path, txt_name.split('.')[0]+'.xml'), 'w')
xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
f.close()
if __name__ == '__main__':
# 把yolo的txt标签文件转化为voc格式的xml标签文件
# yolo格式txt标签文件相对路径
txts_path1 = './YOLOMarkFile/labels'
# 转化为voc格式xml标签文件存储的相对路径
xmls_path1 = './VOCFile/Annotations'
# 存放图片的相对路径
imgs_path1 = './YOLOMarkFile/images'
yolo2voc_obj1 = YOLO2VOCConvert(txts_path1, xmls_path1, imgs_path1)
labels = yolo2voc_obj1.search_all_classes()
print('labels: ', labels)
yolo2voc_obj1.yolo2voc()
e)将转换得到的xml文件放到YOLOX/dataset/FingerDetect/Annotations
文件夹下。
xml文件如下格式
4.2数据分组
需要将标注图片分为train
/ val
两种用途。作引导的txt文件内容格式:
可以新建一个py文件,用random函数将它们按照一定比例分配成两组。当然,还是推荐手动写txt 。引导文件格式简单,Ctrl+C/V/H比码代码快多了… 😃
最终生成两个txt文件:
4.3 训练参数配置
由于YOLOX使用的是COCO数据集,我们使用自己数据集时,需要反复修改YOLOX的多个配置文件。笔者首次复现时遇到了各种古怪的问题,最后发现几乎都是因为配置文件没有完全修改完毕。
修改前,建议将YOLOX/tools
中的train.py
和YOLOX/exps/example/yolox_voc
中的yolox_voc_x.py
文件拷贝到根目录下,分别作为训练入口和训练指引文件。
4.3.1 修改训练集信息
修改YOLOX/yolox_voc_x.py
中的VOCDetection
,
Before:
After:
修改YOLOX/yolox/data/datasets/voc.py
中的VOCDection
函数(注意,以后使用COCO,还需要改回去~):
Before:
After:
4.3.2 修改验证集信息
修改YOLOX/yolox_voc_x.py
中的get_eval_loader
,去除COCO信息。
Before:
After:
4.3.3 修改网络结构
修改YOLOS/exps/default/
中的yolox_s.py
,可以适当调整网络深度和宽度信息。但是需要和YOLOX/yolox_voc_x.py
以及YOLOX/yolox/exp/yolox_base.py
保持一致。
4.3.4 修改数据集类型
a) 修改YOLOX/yolox/data/datasets/
中的voc_classes.py
,将本来的类型去掉,换成我们自己的类型。
b) 修改
YOLOX/yolox_voc_x.py
和YOLOX/yolox/exp/yolox_base.py
中的参数self.num_classes
,与我们的类型匹配。YOLOX默认也是80个标注类型。
Before:
After:
4.3.5 修改验证过程配置
a) 修改YOLOX/yolox/data/datasets/voc.py
中的 _do_python_eval
函数,去除COCO信息。
Before:
After:
4.4 修改训练文件
打开YOLOX/train.py
,修改make_parser
中的主要参数。
主要修改项:
权重 - 选择预训练模型,连接到下载的yolox_x
权重
parser.add_argument("-c", "--ckpt", default='weights/yolox_x.pth', type=str, help="checkpoint file")
模型 - 选择使用的模型,连接到yolox_x.py
文件
parser.add_argument("-n", "--name", type=str, default='datasets/FingerDetect/yolox_x.py', help="model name")
数据集 - 连接到引导文件YOLOX/yolox_voc_s_Finger.py
parser.add_argument("-f","--exp_file",default='./yolox_voc_s_Finger.py',type=str,help="plz input your experiment description file",)
Batch大小 - 训练块大小。过大可能会CUDA报错空间不足
parser.add_argument("-b", "--batch-size", type=int, default=8, help="batch size")
EPoch数量 - 最大训练次数。
需要在YOLOX/yolox/exp/yolox_base.py
中修改。
4.5 开始训练
cd YOLOX
python3 train.py
5. 训练结果
训练结果默认放置在YOLOX/YOLOX_outputs/FingerDetect
文件夹下。
6.结果展示
可以用tensorboard
可视化结果,例如以5.训练结果
为例:
cd YOLOX/YOLOX_outputs
tensorboard --logdir=FingerDetect
在命令行输出的以下结果中右键打开localhost连接
即可在浏览器中看到tensorboard
的显示结果