调试faster rcnn算法实用的python脚本
目录
一、前言
最近在做关于目标检测算法的研究，调试的第一个算法就是faster-rcnn，今天要说的时笔者在跑通这个算法，也就是训练、评估、数据制作等过程中用到的一些简单实用的python脚本，在这里分享出来，写的不好希望大家多多指正。
二、常用python脚本
1.python图片重命名
在调通了代码确保能够训练官方的Pascal_voc数据集之后，我们就自己标注数据集，希望训练自己的模型，采用的方法是实用labelimg工具一张一张的标，标注完之后图片名不统一，所以这个脚本就是统一命名全部图片，代码如下：
# -*- coding:utf8 -*-
import os
class BatchRename():
'''
批量重命名文件夹中的图片文件
'''
def __init__(self):
self.path = 'F:\\Desktop\\data\\video_cut\\1' #表示需要命名处理的文件夹
# self.path = '这边写上你需要重命名的图片的路径'
def rename(self):
filelist = os.listdir(self.path) #获取文件路径
total_num = len(filelist) #获取文件长度（个数）
i = 1 #表示文件的命名是从1开始的
for item in filelist:
if item.endswith('.jpg'): #初始的图片的格式为jpg格式的（或者源文件是png格式及其他格式，后面的转换格式就可以调整为自己需要的格式即可）
src = os.path.join(os.path.abspath(self.path), item)
#dst = os.path.join(os.path.abspath(self.path), ''+str(i) + '.jpg')#处理后的格式也为jpg格式的，当然这里可以改成png格式
dst = os.path.join(os.path.abspath(self.path), '000' + format(str(i), '0>3s') + '.jpg')#这种情况下的命名格式为0000000.jpg形式，可以自主定义想要的格式
try:
os.rename(src, dst)
print ('converting %s to %s ...' % (src, dst))
i = i + 1
except:
continue
print ('total %d to rename & converted %d jpgs' % (total_num, i))
if __name__ == '__main__':
demo = BatchRename()
demo.rename()2.多张图片合成视频的python脚本
faster-rcnn算法可以测出单张的效果，在我修改了tf-faster-rcnn-master\tools下的demo.py之后，就能够测试多张，所以我想看到测试结果时，通常是一张张的图片放置在指定的路径下，然后，就能够跑很多demo，如下图所示：
每一张都是检测后的结果，这样看起来没有连续性，不够直观，所以此时利用这个脚本将所有的图片合成视频，就能够直观的看到效果，代码如下：
# -*- coding: UTF-8 -*-
import os
import cv2
import time
# 图片合成视频
def image2video(path,size):
filelist = os.listdir(path) #获取该目录下的所有文件名
'''
fps:
帧率：1秒钟有n张图片写进去[控制一张图片停留5秒钟，那就是帧率为1，重复播放这张图片5次]
如果文件夹下有50张 534*300的图片，这里设置1秒钟播放5张，那么这个视频的时长就是10秒
'''
fps = 3
#size = (1920,1080) #图片的分辨率片
# 导出的视频的存放目录
file_path = "F:\\Desktop\\data\\test_video\\2\\" + str(int(time.time())) + ".avi"#合成视频导出路径
fourcc = cv2.VideoWriter_fourcc('D', 'I', 'V', 'X')#不同视频编码对应不同视频格式（例：'I','4','2','0' 对应avi格式）
video = cv2.VideoWriter( file_path, fourcc, fps, size )
for item in filelist:
if item.endswith('.jpg'): #判断图片后缀是否是.jpg
item = path + '/' + item
img = cv2.imread(item) #使用opencv读取图像，直接返回numpy.ndarray 对象，通道顺序为BGR ，注意是BGR，通道值默认范围0-255。
video.write(img) #把图片写进视频
print (item)
video.release() #释放
#调用函数，给定所有图片的路径
image2video(r'F:\\Desktop\\data\\test_result\\2\\',(1280,720))3.遍历XML文件，进行数据分析
这个过程实际上就是对自己标注的数据集进行分析，因为我是把自己标注的数据集制作成Pascal_voc的样子，Pascal_voc共三个目录：
其中Annotations中对应的就是XML文件，每一个XML对应每一张图，也就是每一张原图生成一个XML，每个XML里保存的都是这个图片的重要信息，如：
<annotation>
<folder>VOC2012</folder>
<filename>2007_000392.jpg</filename> //文件名
<source> //图像来源（不重要）
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
</source>
<size> //图像尺寸（长宽以及通道数）
<width>500</width>
<height>332</height>
<depth>3</depth>
</size>
<segmented>1</segmented> //是否用于分割（在图像物体识别中01无所谓）
<object> //检测到的物体
<name>horse</name> //物体类别
<pose>Right</pose> //拍摄角度
<truncated>0</truncated> //是否被截断（0表示完整）
<difficult>0</difficult> //目标是否难以识别（0表示容易识别）
<bndbox> //bounding-box（包含左下角和右上角xy坐标）
<xmin>100</xmin>
<ymin>96</ymin>
<xmax>355</xmax>
<ymax>324</ymax>
</bndbox>
</object>
<object> //检测到多个物体，内容同上
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>198</xmin>
<ymin>58</ymin>
<xmax>286</xmax>
<ymax>197</ymax>
</bndbox>
</object>
</annotation>所以我们对所有的XML进行遍历，就可以分析下总共有几个object，每一类的object有多少，代码如下：同样，一些路径需要根据你们自身情况改动
#coding=utf-8
import xml.dom.minidom
import os
import sys
rootdir='F:/VOC2007/Annotations/'#存有xml文件的文件夹的绝对路径
list=os.listdir(rootdir)#列出文件夹下所有的目录与文件
classes_list=[]
classes_count_imag=[1,1,1,1,1,1,1]#统计含有各个目标的图片数
classes_count_object=[1,1,1,1,1,1,1]#统计各个目标的总数
for i in range(0,len(list)):
path=os.path.join(rootdir,list[i])
if os.path.isfile(path):
#用于区分imag和object
flag=[0,0,0,0,0,0,0]
#打开xml文档
dom=xml.dom.minidom.parse(path)
#得到文档元素对象
root=dom.documentElement
cc=dom.getElementsByTagName('name')
for i in range(len(cc)):
c1=cc[i]
#如果是新的目标则将其加入classes_list数组中
if classes_list.count(c1.firstChild.data)==0:
classes_list.append(c1.firstChild.data)
#统计imag和object的个数
else:
for j in range(0,len(classes_list)):
if(classes_list[j]==c1.firstChild.data):
if(flag[j]==0):
classes_count_imag[j]+=1
flag[j]=1
classes_count_object[j]+=1
print(classes_list)
print("Classes: "+str(len(classes_list)))
for i in range(len(classes_list)):
print("Class:%20s image:%10d张 object:%10d个"%(classes_list[i],classes_count_imag[i],classes_count_object[i]))4.画p-r曲线
这个代码是评估用的，关于什么是p-r曲线，详情请看我之前的一篇博客。
因为做目标检测，最后看这个模型的好坏，就是利用p-r曲线和mAP来评估，mAP和各类的AP在跑算法跑到最后的时候，会自动帮你算出来，但是p-r曲线要自己画，画p-r曲线，最重要的是要有你测试结束后生成的pkl文件，生成在这个路径下：
tf-fastercnn/output/vgg16/voc_2007_test/default/vgg16_faster_rcnn_iter_70000
这里的pkl文件就是用来给我们画p-r曲线的，代码如下：
#! -*- coding=utf-8 -*-
import matplotlib.pyplot as plt
import pickle
import os
list = ['pedestrian', 'person', 'motorbike', 'bike', 'hat', 'motorbike1', 'person_trunc']
for i in list:
tmp = i + '_pr.pkl'
fp = open(tmp,'rb')
a = pickle.load(fp)
plt.ylim([0.0, 1.1])
plt.xlim([0.0, 1.1])
tmp = 'Faster R-CNN Precision-Recall Curve (' + i + ')'
plt.plot(a['rec'],a['prec'])
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title(tmp)
plt.show() 当然，如果你不明白这个pkl文件长啥样，里面是啥内容，你可以把pkl转成txt文本进行阅读（因为不能直接打开pkl文件，所以需要转化），代码如下：
#-*-coding:utf-8-*-
import pickle
import numpy as np
np.set_printoptions(threshold=np.NaN)
fr = open('./motorbike1_pr.pkl','rb')
inf = pickle.load(fr)
print (inf)
fo = open("motorbike_pr.txt", "wb")
fo.write(str(inf))
fo.close()
fr.close() 三、后记
以上是在我调faster-rcnn时用到的脚本，希望可以提供帮助，接下来笔者将继续阅读faster-rcnn的源码，争取发出关于源码的解读，大家互相学习啦。
8216
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
