使用新版FLIR (FLIR_ADAS_v2) 红外数据集训练基于pytorch的YOLOv7模型

置顶 Chi_XU_

已于 2023-07-02 16:05:43 修改

阅读量7.5k

点赞数 15

分类专栏：图像处理深度学习文章标签：计算机视觉深度学习人工智能 python 图像处理

于 2022-10-15 16:08:19 首次发布

本文链接：https://blog.csdn.net/Jiuyee/article/details/127334227

版权

图像处理同时被 2 个专栏收录

5 篇文章 3 订阅

订阅专栏

深度学习

5 篇文章 0 订阅

订阅专栏

简介

今年7月份YOLOv7发布，其识别速度和准确度在5 FPS 到 160 FPS范围内远超目前已知的目标检测器
FLIR在2022.1.19发布了新版的FLIR_ADAS_v2，相较于上一代的FLIR_1_3，新版有着更多的类别和数量更丰富的图像。
现有的博客中关于新版FLIR的使用教学少只有少，加上暑假期间曾使用FLIR_ADAS_v2来训练模型以提高其对红外热图像的识别能力，便决定记录分享一下。
本文章主要介绍如何使用FLIR_ADAS_v2中的thermal image来训练基于pytorch的YOLOv7模型
若有不足，也欢迎大家指正批评

FLIR_ADAS_v2数据集下载

官方下载链接
如果官方下载失败可以使用笔者上传的夸克网盘

我用夸克网盘分享了「FLIR_ADAS_v2.zip」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。
链接：https://pan.quark.cn/s/6ce060c06196

YOLOv7模型下载

在此使用的YOLOv7模型链接

数据集的预处理

将单个json文件转换为多个xml文件

如何将单个annotation json文件转换为多个xml文件，可以参考这篇博客将json文件转换为多个xml文件https://blog.csdn.net/Jiuyee/article/details/127332489

将多个xml文件转换为YOLO所需的txt文件并分类

如何将多个annotation xml文件转换为YOLO所需的txt文件，并依据train和val进行分类，可以参考这篇博客将多个annotation xml文件转换为多个annotation txt文件https://blog.csdn.net/Jiuyee/article/details/127334453

查看标注情况

可以根据以下代码查看数据集的标注情况

根据YOLO标注文件生成标注图像https://blog.csdn.net/Jiuyee/article/details/131495008

如果转换有问题或者转换失败可以参考我转换的数据集

xml_share文件夹存储了所有转换好的xml文件
dataPreProcess压缩包中存的是相关的txt标签以及所有用到的转换代码

我用夸克网盘分享了「FLIR_ADAS_v2」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。
链接：https://pan.quark.cn/s/d0b14ace3bfd
提取码：uqar

设置YOLOv7

数据集导入YOLOv7

在YOLOv7项目文件夹中新建文件夹并命名（笔者以data4为例）
将预处理完后的images文件夹和labels文件夹复制到新建文件夹下

获得list文件

相较于YOLOv5，YOLOv7需要在数据集中提供单独的train_list.txt文件和val_list.txt文件，以提供图片的路径
内容如所示

大家可写一个小代码，使用os库从文件夹中读取图片名称并写入到txt文件中

在这里提供笔者所写的

import os

train_path = r"data4/images/train/"
val_path = r"data4/images/val/"

out = r"data4/"

train = os.listdir(train_path)
val = os.listdir(val_path)

for i in train:
    with open(out+'train_list.txt', 'a+') as f:
        f.write("data4/images/train/"+ i + '\n')

for i in val:
    with open(out+'val_list.txt', 'a+') as f:
        f.write("data4/images/val/"+ i + '\n')