yolov3训练讯飞安检图像数据集记录

前言

最近在做安检图像特定目标检测方面的工作，由于相关的数据还没有到位，前期尝试使用yolov3算法检测讯飞安检图像数据中的危险物品练练手，以下是本次工作的实录，做回顾之用。

前置工作

数据集

使用讯飞初赛提供的安检图像数据,以下摘录数据集标签的详细解释：

yolov3配置

下载yolov3项目代码

git clone https://github.com/pjreddie/darknet
cd darknet

修改Makefile文件并编译

vim Makefile # 文件地址：darknet/Makefile

GPU=1               # 使用GPU训练
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0

CC=gcc
CPP=g++
NVCC=/usr/local/cuda-9.0/bin/nvcc # 配置本地CUDA路径
AR=ar

make

实验

准备数据集

将手边的数据集转换为PASCAL VOC的格式。首先在darknet/scripts目录下创建如下形式的文件目录：

VOCdevkit
--VOC2020
----Annotations # 放入所有的xml文件（labels）
----ImageSets
------Main     # 放入train.txt, val.txt文件
----JPEGImages # 放入所有的图片文件（data)

ps:在Main文件夹中，train.txt是训练集，val.txt是验证集，test.txt是测试集，trainval.txt是训练和验证集，本次实验只准备了训练集和验证集文本
Main文件夹中txt文件只写文件名，例如

# 图像路径
darkent/scripts/VOCdevkit/VOC2020/JPEGImages/100001.jpg
# train.txt中对应条目
100001   # 对应100001.jpg图像
100002

修改darknet/scripts/voc_label.py。作用：根据Main中txt里的文件名生成相应的txt。

sets = [('2020', 'train'), ('2020', 'val')]  #同Main中txt文件一致

classes = ["knife", "scissors", "lighter", "zippooil", "pressure", "slingshot", "handcuffs", "nailpolish", "powerbank", "firecrackers"]  # 标签类别

os.system("cat 2020_train.txt 2020_val.txt > train.txt") # 将生成的文件合并

python voc_label.py  # 保存后运行

运行后会生成2020_train.txt, 2020_val.txt, train.txt,如图：

下载Imagenet上预先训练的权重

wget https://pjreddie.com/media/files/darknet53.conv.74

修改darknet/cfg/voc.data

classes=10 # 训练样本集的类别总数
train=scripts/2020_train.txt # 训练样本集所在路径
valid=scripts/2020_val.txt   # 验证样本集所在路径
names=data/voc.names
backup=backup  # 权重文件备份

修改darknet/data/voc.name

knife
scissors
lighter
zippooil
pressure
slingshot
handcuffs
nailpolish
powerbank
firecrackers

修改darknet/cfg/yolov3-voc.cfg

[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=16

首先在普通模式下使用vim命令：/yolo 检索关键词，n 切换下一个匹配

[convolutional]
size=1
stride=1
pad=1
filters=45             # 修改为3*（classes+5）即3*（10+5）= 45
activation=linear

[yolo]
mask = 6,7,8
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=10            # 修改为标签类别个数，10类
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1             # 如果显存很小，将random设置为0，关闭多尺度训练

[convolutional]
size=1
stride=1
pad=1
filters=45          # 修改为3*（classes+5）即3*（10+5）= 45
activation=linear

[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=10         # 修改为标签类别个数，10类
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1          # 如果显存很小，将random设置为0，关闭多尺度训练

[convolutional]
size=1
stride=1
pad=1
filters=45       # 修改为3*（classes+5）即3*（10+5）= 45
activation=linear

[yolo]
mask = 3,4,5
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=10      # 修改为标签类别个数，10类
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1        # 如果显存很小，将random设置为0，关闭多尺度训练

开始训练

在目录darknet/下执行命令，注意各参数文件的目录是否正确。

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg scripts/darknet53.conv.74

测试识别

训练后使用darknet/backup目录下的权重文件进行测试识别

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_20000.weights data/100010.jpg

测试图片：

测试结果：

yolov3训练过程中输出参数详解

• Region XX 表示不同尺度上检测的结果。在darknet中，所有训练图片中的一个batch又被分成subdivision份来进行计算。
• Region XX Avg IOU: 表示在当前subdivision内的图片的平均IOU(预测矩形框同真值矩形框的交集与并集之比)。越大越好，最大为1。
• Class： 标注物体分类的正确率。越大越好，最大为1。
• Obj：越接近1越好。
• No Obj：期望该值越小越好，但不为零。
• .5R：同ground true的IOU值大于0.5为正样本时的recall/count，是当前模型在所有subdivision图片中检测出的正样本与实际的样本的比值。全部正样本被正确的检测到时为1。
• .75R：同ground true的IOU值大于0.75为正样本时的recall/count。count：所有当前subdivision图片中包含正样本的图片的数量。

• 当前训练的迭代次数
• 总体的Loss
• 平均Loss(此数值低于0.060730 avg即可终止训练)
• 当前的学习率
• 当前batch训练花费的总时间
• 到目前为止参与训练的图片的总量==迭代次数 * batch

后续工作

使用yolo算法对安检图像中的目标进行识别的准确率不高，由于许多目标非专业人士一般都识别不出来（我真看不出来打火机之类的），后续尝试在这方面继续研究，提升安检图像识别的准确率。

引用

[1] https://blog.csdn.net/weixin_42731241/article/details/81352013
[2] https://blog.csdn.net/tintinetmilou/article/details/88877039