YOLO训练自定义目标检测

YOLO是强大的目标检测开源库 ，目前支持多个类别的目标检测，如自行车、人、动物、标识等，检测速度比较快，V2下检测速度在普通显卡上可以实时对视频流目标检测，虽然对小目标效果欠佳，但是大多数应用下还是有实际应用意义。相关详细介绍可以参考：https://pjreddie.com/darknet/yolo/?utm_source=next.36kr.com，论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf。尽管yolo实现了100多类目标检测，但是应用是多样性的，需要检测检测的目标类型成千上万，因此，下面将要介绍如何使用yolo训练出自己想要的目标检测模型。

本文主要参考这篇英文博客：https://timebutt.github.io/static/how-to-train-yolov2-to-detect-custom-objects/。
我使用的是VS2013，因此下载yolo的Windows版本，先check out源代码：
git clone https://github.com/AlexeyAB/darknet.git
然后在\darknet\build\darknet目录中找到darknet.sln打开，如果是应为cuda版本问题，可能打不开工程，不过没有关系，在解决方案视图中找到darknet工程文件，选择编解工程文件，找到里面的cuda版本，改成自己安装的版本，关掉解决方案，重新打开或者选择reload，就可以看到源代码文件了。编译，顺利通过。

准备配置文件：obj.data,包含以下内容：
classes= 1
train = train.txt
valid = test.txt
names = obj.names
backup = backup/
classes表示类别数量，我只是训练1类，所以等于1；train表示训练集，对应的是文件名，文件中包含了所有用于训练的图片文件名；valid表示测试集合，同训练集一样，文件中包含了所有训练时所用的测试图片名；names表示类别的名称，这里由obj.names指定；backup表示训练时的中间weights文件存放目录，如果没有对应目录，需要建立一个目录，否则开启训练时保持weights文件会报错。obj.names中的每一行表示一个类别，第一行的类别序号为0，以此下去至classes-1。
train.txt部分截图：

obj.names 部分截图：

这里只有NFPA一类。

接下标记数据，生成train.txt和test.txt文件：
这里我使用BBBox Label Tool标记图片，下载地址：https://github.com/puzzledqs/BBox-Label-Tool，使用python编写。如果没有配置python环境，需要配置python环境，这里不累述。OK，使用命令行打开标注界面：

在dir中输入001，可以看到如下界面：

左边一列是例子，可以不用管，需要标注的图片在中间显示，标记的结果在Bounding boxes中显示，如下：

可以选择某一个标记结果然后Delete，也可以clear掉当前图片所有结果。点击下一个的时候或者上一个的时候，自动保存。标记结果，例如：
2
51 54 213 214
56 234 165 325
第一行表示标记的框的数量2，第二行开始表示标记的矩形框，分别表示左上角x坐标、y坐标，右下角x坐标、有坐标，这些都是绝对坐标值，没有归一化。
标注是个需要耐心的过程，如果需要检测结果有个准确一点的位置，那么标注样本时就需要标注的紧凑些，尽量刚好包含目标。注意，这个工具同个只能标注同一类，标注不同的类别时，需要使用不同的目录。

标注完成之后，接下来需要把坐标归一化：
YOLO训练采用这样的标注格式：

分别表示类别序号、目标中心x坐标和y坐标、目标宽度和高度。
使用https://github.com/Guanghan/darknet/blob/master/scripts/convert.py这个脚本进行转换，需要注意的是：

classes = ["NFPA"]
def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


"""-------------------------------------------------------------------"""

""" Configure Paths"""
mypath = "labels/001/"
outpath = "labels/002/"

cls = "NFPA"

数组classes = [“NFPA”]填入所有的类，cls = “NFPA”指定当前需要转换的类别。mypath = “labels/001/” 为原始目录，outpath = “labels/002/”为转换之后的输出目录。我认为这里需要增加边界检查，所以增加红框中的几行：

OK，转换之后，需要生成train.txt文件和test.txt文件。将标注图片和convert之后生成的文件归在path_data = ‘data/obj/’目录下，使用如下python脚本生成train.txt和test.txt:

import glob, os

# Current directory
current_dir = os.path.dirname(os.path.abspath(__file__))

# Directory where the data will reside, relative to 'darknet.exe'
path_data = 'data/obj/'

# Percentage of images to be used for the test set
percentage_test = 10;

# Create and/or truncate train.txt and test.txt
file_train = open('train.txt', 'w')  
file_test = open('test.txt', 'w')

# Populate train.txt and test.txt
counter = 1  
index_test = round(100 / percentage_test)  
for pathAndFilename in glob.iglob(os.path.join(current_dir, "*.jpg")):  
    title, ext = os.path.splitext(os.path.basename(pathAndFilename))

    if counter == index_test:
        counter = 1
        file_test.write(path_data + title + '.jpg' + "\n")
    else:
        file_train.write(path_data + title + '.jpg' + "\n")
        counter = counter + 1

OK,数据准备完成，修改cfg/yolo-obj.cfg文件：
第3行：batch=64，表示每个训练步骤使用64张图片；
第4行： 根据显存大小可以设置subdivisions=8，等于16；
第244行: classes=1,只有一类；
第237行: filters=(classes + 5)*5；
使用如下命令开启训练：
例如：
darknet.exe detector train cfg/obj.data cfg/yolo-obj.cfg darknet19_448.conv.23
darknet19_448.conv.23可以在这里下载：https://pjreddie.com/media/files/darknet19_448.conv.23
正常界面像这样：

经过几个小时或几天的训练，最后会得到yolo-obj_final.weights，OK，可以用来检测目标了。
darknet.exe detector test cfg/obj.data cfg/yolo-obj.cfg yolo-obj_final.weights