深度学习实践：使用 YOLOv3-Tiny 进行验证码识别（Java 实现）

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);更多内容联系1436423940

        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");
    }
}