在深度学习领域,YOLO(You Only Look Once)模型因其速度和准确率在目标检测任务中备受瞩目。YOLOv3-Tiny 版本尤其适用于需要快速检测的应用场景。在这篇文章中,我们将使用 Java 实现基于 YOLOv3-Tiny 的验证码识别任务。
准备工作
系统与环境
操作系统:Ubuntu 16.04
Java 版本:1.8+
CUDA 版本:10.0
GPU:GeForce GTX 1080
工具与资源
Darknet:深度学习框架,用于实现 YOLO 模型 GitHub - Darknet
labelImg:用于标注训练数据的工具 GitHub - labelImg
实践步骤
安装环境
首先,确保 CUDA 等环境已安装完毕。我们将使用 GPU 进行训练。然后,将 Darknet 克隆到本地:
bash
git clone https://github.com/pjreddie/darknet
cd darknet
编译 Darknet
进入 darknet 文件夹,修改 Makefile 文件:
Makefile
GPU=1 # 使用 GPU
CUDNN=1 # 使用 CUDNN
OPENCV=0 # 不使用 OpenCV
OPENMP=0
DEBUG=0
使用以下命令进行编译:
bash
make
编译完成后,会生成一个名为 darknet 的二进制文件。
修改配置文件
我们选择 cfg/yolov3-tiny.cfg 文件进行修改,以适应我们的任务需求:
ini
# Line 3
batch=24 # 每个训练步骤使用 24 张图片
# Line 4
subdivisions=8 # 将 batch 分成 8 个部分
# Line 127
filters=(classes + 5)*3 # 我们的任务中 filters=18
# Line 135
classes=1 # 我们要检测的类别数
# Line 171
filters=(classes + 5)*3 # 同上
# Line 177
classes=1 # 同上
关于 filters = (classes + 5) * 3 的计算方式,可以参考 YOLOv3 论文第 2.3 节内容 YOLOv3 Paper。
准备数据
我们使用 Selenium 的 Google Driver 下载了大量验证码图片,然后使用 labelImg 工具进行数据标注。
下载并编译 labelImg:
bash
git clone https://github.com/tzutalin/labelImg
cd labelImg
pip install pyqt5 lxml
make qt5py3
完成安装后,使用 labelImg 工具进行图片的标注工作。由于我们只有一类内容,因此标注的框只有一类。
生成训练数据
将标注好的数据整理成训练所需的格式。我们编写了 data.py 脚本生成训练数据配置文件,并将标注文件转换为 darknet 可识别的格式。
python
import os
import glob
def generate_txt_file(img_dir, output_file):
img_files = glob.glob(os.path.join(img_dir, '*.jpg'))
with open(output_file, 'w') as f:
for img in img_files:
f.write(img + '\n')
# 使用示例
generate_txt_file('imgs', 'train.txt')
generate_txt_file('imgs_val', 'val.txt')
下载预训练权重
在 weights 文件夹下使用 darknet53.sh 文件下载预训练的权重文件:
cd weights
./darknet53.sh
配置文件准备
在 data 文件夹中准备如下文件:
train.txt - 训练数据文件,由 data.py 生成
char.names - 类别配置文件
val.txt - 验证数据文件
train.data - 训练配置表
开始训练
进入 darknet 文件夹,使用以下命令开始训练:
bash
./darknet detector train data/train.data cfg/yolov3-tiny.cfg weights/darknet53.conv.74 -gpus 0
通常,当训练的 loss 达到 0.6 左右时,就可以停止训练。
验证结果
使用以下命令验证训练好的模型:
bash
./darknet detector test data/train.data cfg/yolov3-tiny.cfg weights/yolov3-tiny_final.weights test_imgs/1.jpg -thresh 0.5 -gpus 0
在 darknet 文件夹中会生成一个名为 predictions.jpg 的文件,这是我们验证出来的结果文件。
Java 代码实现
我们使用 Java 语言来实现上述过程中的部分关键步骤。以下是 Java 代码示例:
安装依赖库
首先,我们需要安装必要的 Java 库。我们将使用 Deep Java Library (DJL) 来进行图像处理和目标检测。
在 pom.xml 文件中添加依赖项:
xml
<dependencies>
<dependency>
<groupId>ai.djl</groupId>
<artifactId>api</artifactId>
<version>0.14.0</version>
</dependency>
<dependency>
<groupId>ai.djl.tensorflow</groupId>
<artifactId>tensorflow-engine</artifactId>
<version>0.14.0</version>
</dependency>
<dependency>
<groupId>ai.djl.tensorflow</groupId>
<artifactId>tensorflow-model-zoo</artifactId>
<version>0.14.0</version>
</dependency>
</dependencies>
读取配置文件并进行推理
我们将使用 Deep Java Library (DJL) 来进行图像处理和目标检测。
java
import ai.djl.Model;
import ai.djl.ModelException;
import ai.djl.modality.Classifications;
import ai.djl.modality.cv.Image;
import ai.djl.modality.cv.ImageFactory;
import ai.djl.modality.cv.transform.Resize;
import ai.djl.ndarray.NDArray;
import ai.djl.ndarray.NDManager;
import ai.djl.translate.TranslateException;
import ai.djl.translate.Translator;
import ai.djl.translate.TranslatorContext;
import ai.djl.translate.TranslatorFactory;
import ai.djl.translate.TranslatorOptions;
import ai.djl.util.Utils;
import java.io.IOException;
import java.nio.file.Paths;
import java.util.List;
public class YoloV3Tiny {
public static void main(String[] args) throws IOException, ModelException, TranslateException {
// 加载模型
String modelPath = "path/to/yolov3-tiny/model";
Model model = Model.newInstance("yolov3-tiny");
model.load(Paths.get(modelPath));
// 读取图片
String imagePath = "test_imgs/1.jpg";
Image img = ImageFactory.getInstance().fromFile(Paths.get(imagePath));
// 进行推理
NDManager manager = NDManager.newBaseManager();
Translator<Image, NDArray> translator = new TranslatorFactory<Image, NDArray>() {
@Override
public Translator<Image, NDArray> newInstance(TranslatorOptions options) {
return new Translator<>() {
@Override
public NDArray processInput(TranslatorContext ctx, Image input) {
return input.toNDArray(ctx.getNDManager(), true)
.div(255.0f)
.reshape(1, 416, 416, 3);
}
@Override
public NDArray processOutput(TranslatorContext ctx, NDArray list) {
return list;
}
@Override
public Batchifier getBatchifier() {
return null;
}
};
}
}.newInstance(null);
NDArray result = model.newPredictor(translator).predict(img);
// 解析检测结果
for (int i = 0; i < result.size(0); i++) {
float confidence = result.getFloat(i, 4);
if (confidence > 0.5) {
int x = (int) (result.getFloat(i, 0) * img.getWidth());
int y = (int) (result.getFloat(i, 1) * img.getHeight());
int w = (int) (result.getFloat(i, 2) * img.getWidth());
int h = (int) (result.getFloat(i, 3) * img.getHeight());
img.drawRectangle(x - w / 2, y - h / 2, w, h);
}
}
// 保存结果图片
img.save(Paths.get("predictions.jpg"), "jpg");
System.out.println("Result saved to predictions.jpg");
}
}