yolov7 训练crowded human 【head, full body, visible body box detection】

已于 2023-11-17 00:04:25 修改
阅读量1k 收藏 18
点赞数 1
文章标签： YOLO
于 2023-11-11 19:35:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WhiffeYF/article/details/134351567
版权

目录

0 前言

知乎：

b站：https://www.bilibili.com/video/BV1f94y1n7NG/

上一篇博客：yolov5 训练crowded human 【visible body detection】

在对拥挤人群（我应用场景是学生课堂）进行检测时，采用现有的模型代码，有一定问题，比如直接采用yolov8、yolov7、yolov5、yolov3、faster rcnn等，在拥挤场景的检测效果不佳，但使用crowded human数据集重训练后的yolov7，效果很好。crowded human数据集标签如下，有Head BBox、Visible BBox、Full BBox。如下图显示:

在这里插入图片描述

0 训练数据公开

YOLOv7x训练权重及训练相关文件

YOLOv7x权重：
链接：https://pan.baidu.com/s/1DJ0GEpxlaUtnNDCmxNr3UA?pwd=4lf2
提取码：4lf2

YOLOv7x 训练相关文件：
链接：https://pan.baidu.com/s/1BWYLHt2uf8zjN6d3UNOLaQ?pwd=s77o
提取码：s77o

google drive：https://drive.google.com/drive/folders/1FYd8xiQvmTfKcpgl_2fedawuor61snjo?usp=sharing

crowdhuman_vbody_yolov5m：
https://drive.google.com/file/d/1VJtrdE85Wc4xSZXqAPUkWABLResUYG8V/view?usp=sharing

crowdhuman_vbody_yolov5m：
链接：https://pan.baidu.com/s/1w-5BH2CMfJ9t5qFKyd89Ag?pwd=td3j
提取码：td3j

1 相关资料

CrowdHuman的论文
CrowdHuman: A Benchmark for Detecting Human in a Crowd：https://arxiv.org/pdf/1805.00123.pdf

yolov5-crowdhuman的代码，这里是训练后的head detection和 full body detection 的模型，并没有 visible body detection。
yolov5-crowdhuman：https://github.com/deepakcrk/yolov5-crowdhuman

这是githun中对CrowdHuman论文的翻译
PaperWeekly/CrowdHuman.md：https://github.com/Mycenae/PaperWeekly/blob/master/CrowdHuman.md

这一个博客就非常重要了，是我能完成这篇博客的核心
目标检测 YOLOv5 CrowdHuman数据集格式转YOLOv5格式：https://blog.csdn.net/flyfish1986/article/details/115485814

YOLOv5-Tools-main源码
我也将这个同步到了自己的github中：https://github.com/Whiffe/YOLOv5-Tools-main
也同步到了码云：[https://gitee.com/YFwinston/YOLOv5-Tools-main](https://gitee.com/YFwinston/YOLOv5-Tools-main

2 crowded human数据集下载

2.1 官网数据集下载

CrowdHuman dataset下载链接：https://www.crowdhuman.org/download.html
在这里插入图片描述
下载后有这些文件：
在这里插入图片描述

3 YOLOv5-Tools

3.1 YOLOv5-Tools 安装

YOLOv5-Tools的功能之一就是讲crowded human转化为yolo可以使用的数据集格式，即coco数据集格式。
YOLOv5-Tools代码链接：https://gitcode.net/mirrors/shaoshengsong/YOLOv5-Tools

我也将这个同步到了自己的github中：https://github.com/Whiffe/YOLOv5-Tools-main
也同步到了码云：https://gitee.com/YFwinston/YOLOv5-Tools-main

选择社区景象(https://www.autodl.com/home)
在这里插入图片描述

cd /root/autodl-tmp
git clone https://gitee.com/YFwinston/YOLOv5-Tools-main

3.2 YOLOv5-Tools中关键文件

YOLOv5-Tools中有1个关键文件：
/root/autodl-tmpYOLOv5-Tools-main/CrowHuman2YOLO/data/gen_txts_hfv.py

在这里插入图片描述

3.3 CrowdHuman数据转化为coco数据集格式

crowdhuman 数据集位于：/root/autodl-pub/CrowdHuman

在这里插入图片描述

crowded human数据转化为yolo数据集格式，执行下面的代码

cd /root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/

mv /root/autodl-tmp/CrowdHuman/* /root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/raw

bash prepare_data_hfv.sh 608x608

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

3.4 转化后的结果展示

然后目录/root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/raw/Images的结构如下

Images
├── 273271,1017c000ac1360b7.jpg
├── 273271,10355000e3a458a6.jpg
├── 273271,1039400091556057.jpg
├── 273271,104ec00067d5b782.jpg
├── ...
└── 284193,ff25000b6a403e9.jpg

使用文件计数命令可以数出Images文件夹下文件数量

cd /root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/raw/Images
ls -l|grep "^-"| wc -l

在这里插入图片描述

结果是：19370

还有个路径也有生成结果：/home/YOLOv5-Tools-main/CrowHuman2YOLO/data/crowdhuman-608x608
结构如下

crowdhuman-608x608
├── 273271,1017c000ac1360b7.jpg
├── 273271,1017c000ac1360b7.txt
├── 273271,10355000e3a458a6.jpg
├── 273271,10355000e3a458a6.txt
├── ...
├── 284193,ff25000b6a403e9.jpg
├── 284193,ff25000b6a403e9.txt
├── test.txt
└── train.txt

我们看看273271,1017c000ac1360b7.txt的内容
在这里插入图片描述
再看看test.txt的内容
在这里插入图片描述
再看看train.txt的内容
在这里插入图片描述
讲crowded human生成coco标准文件夹格式

3.5 图像文件和标注文本文件 重构

3.3节只是将crowded human数据集转化为了coco结构的数据集，但是图像文件和标注文本文件需要重构，

首先按照下面路径创建文件夹：

# 数据集生成目录
to_train_img_path = '/root/autodl-tmp/CrowdHuman/images/train/' 
to_val_img_path = '/root/autodl-tmp/CrowdHuman/images/val/'
to_train_label_path = '/root/autodl-tmp/CrowdHuman/labels/train/'
to_val_label_path = '/root/autodl-tmp/CrowdHuman/labels/val/'

并修改：/root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/gen_coco_stru.py
在这里插入图片描述

然后重构命令：

cd /root/autodl-tmp/YOLOv5-Tools-main/CrowHuman2YOLO/data/
python gen_coco_stru.py

结果如下：
/root/autodl-tmp/CrowdHuman/images/

crowdedHuman
├── Images
│   ├── train
│   │   ├── 273271,1017c000ac1360b7.jpg
│   │   ├── 273271,10355000e3a458a6.jpg
│   │   ├── 273271,1039400091556057.jpg
│   │   ├── ...
│   │   └── 284193,ff01000db10348e.jpg
│   ├── val
│   │   ├── 273271,104ec00067d5b782.jpg
│   │   ├── 273271,10f400006b6fb935.jpg
│   │   ├── 273271,118910008d823f61.jpg
│   │   ├── ...
│   │   └── 284193,ff25000b6a403e9.jpg
└── labels 
    ├── train
    │   ├── 273271,1017c000ac1360b7.txt
    │   ├── 273271,10355000e3a458a6.txt
    │   ├── 273271,1039400091556057.txt
    │   ├── ...
    │   └── 284193,ff01000db10348e.txt
    └── val
        ├── 273271,104ec00067d5b782.txt
        ├── 273271,10f400006b6fb935.txt
        ├── 273271,118910008d823f61.txt
        ├── ...
        └── 284193,ff25000b6a403e9.txt

cd /root/autodl-tmp/CrowdHuman/images/train
ls -l|grep "^-"| wc -l
cd /root/autodl-tmp/CrowdHuman/images/val
ls -l|grep "^-"| wc -l
cd /root/autodl-tmp/CrowdHuman/labels/train
ls -l|grep "^-"| wc -l
cd /root/autodl-tmp/CrowdHuman/labels/val
ls -l|grep "^-"| wc -l

在这里插入图片描述
images/train: 15000

images/val: 4370

labels/train: 15000

labels/val: 4370

3.6 CrowdHuman YOLO格式数据下载

CrowdHuman YOLO格式数据我已经上传百度网盘，·：
链接：https://pan.baidu.com/s/1Gw0QgRS7O0QHR9PmyABxdw?pwd=vre3
提取码：vre3

4 yolov7 训练与测试

4.1 下载预训练权重

下载yolov7x的模型，https://github.com/WongKinYiu/yolov7
然后上传到平台中
在这里插入图片描述

训练需要在 /data/SCB/yolov7-main/data/ 下创建：crowdhuman.yaml，其内容如下：

4.2 配置文件

执行下面的代码

cd  /data/SCB/yolov7-main/data/
vim crowdhuman.yaml


train: /data/CrowdHuman/images/train
val: /data/CrowdHuman/images/val
#test: test.txt

#number of classes
nc: 3

# class names
names: ['head', 'full body', 'visible body']

进入：/data/SCB/yolov7-main/training/yolov7x.yaml
然后修改：
在这里插入图片描述

4.3 训练

执行下面的训练代码：

cd  /data/SCB/yolov7-main/
python train.py --data ./data/crowdhuman.yaml --cfg ./cfg/training/yolov7x.yaml --weights yolov7x.pt --batch-size 8 --epochs 200 --project runs/train/CrowdHumanYOLOv7x

在这里插入图片描述

4.5 训练结果

在这里插入图片描述


               Class      Images      Labels           P           R      mAP@.5  mAP@.5:.95: 
                 all        4365      282433       0.873       0.799       0.855       0.571
                head        4365       82364       0.882       0.803       0.855       0.551
           full body        4365      100536       0.881       0.809       0.865       0.582
        visible body        4365       99533       0.857       0.785       0.845       0.581
200 epochs completed in 38.834 hours.

4.6 测试

 python test.py --data data/crowdhuman.yaml --weights runs/train/CrowdHumanYOLOv7x/exp/weights/last.pt

在这里插入图片描述


val: Scanning '/data/CrowdHuman/labels/val.cache' images and labels... 4370 found, 0 missing, 1 empty, 5 corrupted: 100%|█████████████████████████████████████████████████| 4370/4370 [00:00<?, ?it/s]
               Class      Images      Labels           P           R      mAP@.5  mAP@.5:.95: 
                 all        4365      282433       0.877       0.796       0.856       0.572
                head        4365       82364       0.887       0.797       0.854        0.55
           full body        4365      100536       0.883       0.811       0.869       0.585
        visible body        4365       99533       0.862        0.78       0.845       0.581
Speed: 2.9/0.8/3.7 ms inference/NMS/total per 640x640 image at batch-size 32
Results saved to runs/test/exp3

4.7 结果对比

在这里插入图片描述
原图

在这里插入图片描述
yolov7x
在这里插入图片描述
yolov7x_crowdhuman
在这里插入图片描述
原图

在这里插入图片描述

yolov7x
在这里插入图片描述

yolov7x_crowdhuman

4.7 分析训练结果

请添加图片描述
confusion_matrix.png

在这里插入图片描述
F1_curve.png

在这里插入图片描述
P_curve.png
在这里插入图片描述

PR_curve.png

在这里插入图片描述

R_curve.png

在这里插入图片描述
results.png

CSPhD-winston-杨帆
关注
  • 1
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLOv7改进策略|实战应用案例|CrowdHuman+YOLOv7学生课堂行为分析，准确率达到85.6%
sybh的博客
05-30 1156
近年来，⾏为检测技术[1]已成为分析课堂视频中学⽣⾏为 的重要⼯具（图1）。这项技术可以帮助教师、管理⼈员、学 ⽣和家⻓了解课堂动态和学习表现。传统的教学模式很难依 靠对少数学⽣的观察来监控每个学⽣的进步。同样，管理者 和家⻓依靠有限的信息来评估教育质量。利⽤⾏为检测技术 准确分析学⽣⾏为，可以为教育教学提供更全⾯、更准确的 反馈。学⽣课堂⾏为数据集和⽅法 现有的学⽣课堂⾏为检测算法 ⼤致可分为三类：基于视频动作识别的算法[2]、基于姿势 估计的算法[3]和基于⽬标检测的算法[4]。
Crowdhuman数据集密集行人检测YOLO直接用
05-15
Crowdhuman数据集 608x608图片大小 密集行人检测 YOLO直接使用 训练集（包含图片与标准） 训练集15000张，验证集4730张，测试集5000张 平均每张图片22.64个人
YOLOv5训练自己的数据集并优化模型-[从零开始 万字好文]
ZHUO__zhuo的博客
06-06 4282
以识别水管和电线这两个对象为例，对如何基于yolov5和cvat训练自己的数据集并优化模型进行记录，附上相关好文。
widerperson数据集转化为YOLOv5训练格式，并加入到crowdhuman中
qq_44224801的博客
03-14 1941
widerperson数据集转化为YOLOv5训练格式，并加入到crowdhuman中 数据可视化 import os import cv2 if __name__ == '__main__': path = 'D:\songjiahao\DATA\WiderPerson/train.txt' with open(path, 'r') as f: img_ids = [x for x in f.read().splitlines()] for img_id in
开源行人数据集（crowdhuman）odgt转yolo格式
m0_51074987的博客
04-23 1944
向各位推荐一个用于人体检测的开源数据集，可以用于目标追踪，人流量统计方面的训练项目。并附带了odgt转化为yolo格式的脚本及说明
目标检测 YOLOv5 CrowdHuman数据集格式转YOLOv5格式
flyfish
04-07 6064
目标检测 YOLOv5 CrowdHuman数据集格式转YOLOv5格式 flyfish 官方网站: https://www.crowdhuman.org/ 参考: CrowdHuman: A Benchmark for Detecting Human in a Crowd 标注结果是 0 是 “head”, 1是 “person”. CrowdHuman2YOLO项目结构如下 data ├── crowdhuman.names ├── crowdhuman-template.data ├── gen_t
YOLOv5 添加 OTA，并使用 coco、CrowdHuman数据集进行训练。
最新发布
To_be_little的博客
10-25 1265
yolov5 OTA 训练 coco128、coco、corwdhuamn 数据集
yolov5 训练crowded human 【visible body detection】
CSPhD-winston的博客
05-01 6152
使用yolov5训练crowded human中的head与visible body
FCHD:人头检测网络 “FAST AND ACCURATE HEAD DETECTION IN CROWDED SCENES”
05-18
本工程是官方工程的python3版本，重构了部分代码，并训练得到了一个效果不错的模型。 论文地址： 官方工程地址： 安装 Clone git clone https://github.com/embracesource-cv-com/FCHD.git 安装依赖 cd FCHD pip ...
anomaly Detection In Crowded Scenes
08-20
人群异常状态检测
Anomaly Detection In Crowded Scenes（Shuqiang Guo）
08-26
人群异常检测
yolov4_crowdhuman:关于为 CrowdHuman 数据集训练 DarkNet YOLOv4 模型的教程
05-29
YOLOv4 CrowdHuman 教程 这是一个演示如何使用和训练YOLOv4人检测器的。 目录 设置 如果您打算在上训练模型，您可以跳过本节并直接跳到上。 否则，要在本地运行训练，您需要有一台具有不错 GPU 的 x86_64 PC。 例如，我主要使用台式 PC 测试此存储库中的代码： NVIDIA GeForce RTX 2080 Ti Ubuntu 18.04.5 LTS (x86_64) CUDA 10.2 cuDNN 8.0.1 此外，您应该在本地 PC 上正确安装 OpenCV（包括 python3“cv2”模块），因为数据准备代码和“darknet”都需要它。 准备训练数据 对于在本地 PC 上的训练，我使用“608x608”yolov4 模型作为示例。 请注意，我在本教程中只使用了 python3（python2 可能不起作用）。 请按照以下步骤准备“ Cr
End-to-end people detection in crowded scenes
05-15
End-to-end people detection in crowded scenes论文重点描述
Detection in Crowded Scenes: One Proposal, Multiple Predictions.pptx
03-30
这篇论文"Detection in Crowded Scenes: One Proposal, Multiple Predictions"由旷视科技提出，主要关注在拥挤场景下的多目标检测问题。在深度学习领域，多目标检测是一项关键任务，尤其在行人检测中，由于人群的...
【目标检测】Yolov5训练Crowdhuman数据集
聿默的博客
01-05 4199
这篇文章的目的，1.解析Crowdhuman数据集；2.准备Crowdhuman相应配置，训练yolov5。 其中我的是将273271,1017c000ac1360b7.jpg，全部写为273271_1017c000ac1360b7.jpg 1.环境 ubuntu16.04 cuda10.1 cudnn7 python3.6 Cython matplotlib>=3.2.2 numpy>=1.18.5 opencv-python>=4.1.2 Pillow PyYAML&g
基于CrowdHuman数据集的高精度行人检测系统（PyTorch+Pyside6+YOLOv5模型）
sc1434404661的博客
07-12 1154
近年来，机器学习和深度学习取得了较大的发展，深度学习方法在检测精度和速度方面与传统方法相比表现出更良好的性能。YOLOv5是单阶段目标检测算法YOLO的第五代，根据实验得出结论，其在速度与准确性能方面都有了明显提升，开源的代码可见https://github.com/ultralytics/yolov5。因此本博文利用YOLOv5检测算法实现一种高精度行人识别检测模型，再搭配上Pyside6库写出界面系统，完成目标检测识别页面的开发。
crowdhuman 数据集 darknet yolov7训练
u014081647的博客
10-11 2941
yolov7-darknet-crowdhuman
yolov8-制作数据集，数据集格式转换（yolo格式-voc格式）附完整代码
热门推荐
kuabiku的博客
08-03 1万+
yolo训练时可使用的数据集格式为yolo格式以及voc格式， voc格式的数据集在训练时需要先转换为yolo格式，然后根据自己的数据集的位置更改yaml配置文件的文件路径即可。基于目前对Yolo系列训练模型的讲解已经很全面，所以本文主要讲解yolo数据集与voc数据集之间的转换。两种数据集形式的最大区别就是yolo是直接采用txt文件保存模型的labels标签，如下图，每一行都代表着该图像中的一个标签GT。而voc格式的标签是保存在Annotations目录下的xml文件当中，除此之外无差别。
linux阿里云服务器上部署YOLOv4并训练crowedhuman数据集（小白）
zhang2h的博客
11-24 2631
文章目录前言一、服务器的选用二、服务器配置1.配置darknet版的yolov41.1从源代码配置opencv2.读入数据总结 前言 尝试用阿里云服务器简单的训练一下Crowed human数据集，中间遇到的问题和麻烦。 提示：以下是本篇文章正文内容，下面案例可供参考 一、服务器的选用 使用阿里云服务器，简单的步骤为： 二、服务器配置 1.配置darknet版的yolov4 在上文中，购买的实例包含：cuda和cudnn，只需要配置一下opencv和darknet框架就可以。 1.1从源代码配置open
YOLOv5 crowdhuman
07-27
YOLOv5 CrowdHuman是一个基于YOLOv5的目标检测模型，用于检测CrowdHuman数据集中的目标。CrowdHuman数据集是一个用于人群检测的大规模数据集，包含了各种场景下的人群图像和标注信息。YOLOv5 CrowdHuman的训练和使用需要使用YOLOv5-Tools中的一些关键文件，如prepare_vbody_data.sh和gen_vbody_txts.py。这些文件可以在YOLOv5-Tools的CrowdHuman2YOLO/data目录下找到\[1\]。如果你想了解更多关于YOLOv5 CrowdHuman的训练和使用的信息，可以参考B站上的一个视频教程\[2\]，或者参考一个博客文章\[3\]中提供的代码工具。 #### 引用[.reference_title] - *1* *2* *3* [yolov5 训练crowded human 【visible body detection】](https://blog.csdn.net/WhiffeYF/article/details/124502681)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值