手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)

置顶 AI吃大瓜

已于 2024-01-05 17:01:54 修改

阅读量5.7k

点赞数 6

分类专栏： 2D/3D Pose 文章标签：手部检测 yolov5 手势检测手掌检测 hand 深度学习

于 2023-10-12 19:35:19 首次发布

本文为博主原创文章，未经博主允许不得转载（AI吃大瓜）

本文链接：https://blog.csdn.net/guyuealian/article/details/133279222

版权

2D/3D Pose 专栏收录该内容

11 篇文章 24 订阅

订阅专栏

手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)

5. 手部检测和手部关键点检测(Python/C++/Android)

6.项目源码下载

1. 前言

手部关键点检测(手部姿势估计)的方法与人体关键点检测的方法类似，目前主流的方法主要两种：一种是Top-Down（自上而下）方法，另外一种是Bottom-Up（自下而上）方法；项目采用Top-Down（自上而下）方法，即分为两阶段，先进行手部检测，找到所有的手部框，然后再估计每只手的手部关键点；本篇文章是手部关键点检测的第一阶段，即手部检测模型算法开发，项目基于开源YOLOv5项目，实现一个高精度的手部检测算法（ Hand Detection）

目前，基于YOLOv5s的手部检测精度平均值mAP_0.5=0.99919，mAP_0.5:0.95=0.79306。为了能部署在手机Android平台上，本人对YOLOv5s进行了简单的模型轻量化，并开发了一个轻量级的版本yolov5s05_416和yolov5s05_320模型；轻量化模型在普通Android手机上可以达到实时的检测效果，CPU(4线程)约30ms左右，GPU约25ms左右，基本满足业务的性能需求。下表格给出轻量化模型的计算量和参数量以及其检测精度

模型	input-size	params(M)	GFLOPs	mAP_0.5	mAP_0.5:0.95
yolov5s	640×640	7.2	16.5	0.99919	0.79306
yolov5s05	416×416	1.7	1.8	0.99885	0.78112
yolov5s05	320×320	1.7	1.1	0.99826	0.77658

先展示一下手部检测以及手部关键点检测(手部姿势估计)效果：

Android手部关键点检测(手部姿势估计)APP Demo体验：https://download.csdn.net/download/guyuealian/88418582

【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/133279222

更多项目《手部关键点检测(手部姿势估计)》系列文章请参考：

手部关键点检测1：手部关键点(手部姿势估计)数据集(含下载链接)https://blog.csdn.net/guyuealian/article/details/133277630
手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)https://blog.csdn.net/guyuealian/article/details/133279222
手部关键点检测3：Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集https://blog.csdn.net/guyuealian/article/details/133277726
手部关键点检测4：Android实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133931698
手部关键点检测5：C++实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133277748

2. 手部检测数据集说明

（1）手部检测数据集

目前收集了三个手部检测数据集：Hand-voc1，Hand-voc2和Hand-voc3，总共60000+张图片；标注格式统一转换为VOC数据格式，标注名称为hand，可用于深度学习手部目标检测模型算法开发，关于手部数据集说明，请参考： 手部关键点(手部姿势估计)数据集(含下载链接) https://blog.csdn.net/guyuealian/article/details/133277630

（2）自定义数据集

如果需要增/删类别数据进行训练，或者需要自定数据集进行训练，可参考如下步骤：

采集图片，建议不少于200张图片
使用Labelme等标注工具，对目标进行拉框标注：labelme工具：GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).
将标注格式转换为VOC数据格式，参考工具：labelme/labelme2voc.py at main · wkentaro/labelme · GitHub
生成训练集train.txt和验证集val.txt文件列表
修改engine/configs/voc_local.yaml的train和val的数据路径
重新开始训练

3. 基于YOLOv5的手部检测模型训练

（1）YOLOv5安装

训练Pipeline采用YOLOv5: GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite , 原始官方代码训练需要转换为YOLO的格式，不支持VOC的数据格式。为了适配VOC数据，本人新增了LoadVOCImagesAndLabels用于解析VOC数据集，以便正常训练。另外，为了方便测试，还增加demo.py文件，可支持对图片,视频和摄像头的测试。

Python依赖环境，使用pip安装即可，项目代码都在Ubuntu系统和Windows系统验证正常运行，请放心使用；若出现异常，大概率是相关依赖包版本没有完全对应


matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
tensorboard>=2.4.1
seaborn>=0.11.0
pandas
thop  # FLOPs computation
pybaseutils==0.7.0

项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好开发环境）：

项目开发使用教程和常见问题和解决方法
视频教程：1 手把手教你安装CUDA和cuDNN(1)
视频教程：2 手把手教你安装CUDA和cuDNN(2)
视频教程：3 如何用Anaconda创建pycharm环境
视频教程：4 如何在pycharm中使用Anaconda创建的python环境

（2）准备Train和Test数据

下载手部检测数据集，关于手部数据集说明，请参考手部关键点(手部姿势估计)数据集(含下载链接) https://blog.csdn.net/guyuealian/article/details/133277630

（3）配置数据文件

修改训练和测试数据的路径：engine/configs/voc_local.yaml
注意数据路径分隔符使用【/】,不是【\】
项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
# 数据路径
path: ""  # dataset root dir

# 注意数据路径分隔符使用【/】,不是【\】
# 项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！
train:
  - 'D:/dataset/Hand-voc1/train/train.txt'
  - 'D:/dataset/Hand-voc2/train.txt'
  - 'D:/dataset/Hand-voc3/train.txt'
val:
  - 'D:/dataset/Hand-voc1/test/test.txt'

test:  # test images (optional)
data_type: voc

# 1.设置类别个数，和要训练的类别名称，ID号从0开始递增
nc: 1  # number of classes
names: { 'hand': 0}

（4）配置模型文件

官方YOLOv5给出了YOLOv5l,YOLOv5m,YOLOv5s等模型。考虑到手机端CPU/GPU性能比较弱鸡，直接部署yolov5s运行速度十分慢。所以本人在yolov5s基础上进行模型轻量化处理，即将yolov5s的模型的channels通道数全部都减少一半，并且模型输入由原来的640×640降低到416×416或者320×320，该轻量化的模型我称之为yolov5s05。轻量化后的模型yolov5s05比yolov5s计算量减少了16倍，参数量减少了7倍。下面是yolov5s05和yolov5s的参数量和计算量对比：

模型	input-size	params(M)	GFLOPs
yolov5s	640×640	7.2	16.5
yolov5s05	416×416	1.7	1.8
yolov5s05	320×320	1.7	1.1

（5）重新聚类Anchor（可选）

官方yolov5s的Anchor是基于COCO数据集进行聚类获得（详见models/yolov5s.yaml文件）

考虑到手部检测数据集，目标框几乎都是正方形的矩形框；原始Anchor是在输入640×640聚类获得的，直接复用原始COCO的Anchor效果可能不太好；因此，这需要我们根据已有的数据集的标注框进行重新聚类获得新的Anchor；这里为了简单，yolov5s直接复用原始Anchor，而yolov5s05_416和yolov5s05_320由于输入分辨率变小，其Anchor也进行等比例缩小，下表给出yolov5s，yolov5s05_416和yolov5s05_320重新调整后Anchor结果：

yolov5s.yaml	yolov5s05_416.yaml	yolov5s05_320.yaml

一点建议：

官方yolov5s的Anchor是基于COCO数据集进行聚类获得，不同数据集需要做适当的调整，其最优Anchor建议重新进行聚类。
当然你要是觉得麻烦就跳过，不需要重新聚类Anchor，这个影响不是特别大。如果你需要重新聚类，请参考engine/kmeans_anchor/demo.py文件

（6）开始训练

整套训练代码非常简单操作，用户只需要填写好对应的数据路径，即可开始训练了。

修改训练超参文件data/hyps/hyp.scratch-v1.yaml （可以修改训练学习率，数据增强等方式，使用默认即可，可不修改）
Linux系统终端运行，训练yolov5s或轻量化版本yolov5s05_416或者yolov5s05_320 (选择其中一个训练即可)

#!/usr/bin/env bash

#--------------训练yolov5s--------------
# 输出项目名称路径
project="runs/yolov5s_640"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 640 --workers 4 --project $project


#--------------训练轻量化版本yolov5s05_416--------------
# 输出项目名称路径
project="runs/yolov5s05_416"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s05_416.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 416 --workers 4 --project $project


#--------------训练轻量化版本yolov5s05_320--------------
# 输出项目名称路径
project="runs/yolov5s05_320"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s05_320.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 320 --workers 4 --project $project

Windows系统终端运行，训练yolov5s或轻量化版本yolov5s05_416或者yolov5s05_320 (选择其中一个训练即可)

#!/usr/bin/env bash

#--------------训练yolov5s--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 640 --workers 4 --project runs/yolov5s_640


#--------------训练轻量化版本yolov5s05_416--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s05_416.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 416 --workers 4 --project runs/yolov5s05_416



#--------------训练轻量化版本yolov5s05_320--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s05_320.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 320 --workers 4 --project runs/yolov5s05_320

开始训练：

训练数据量比较大，训练时间比较长，请耐心等待哈
训练完成后，在模型输出目录中有个results.csv文件，记录每个epoch测试的结果，如loss,mAP等信息

训练模型收敛后，yolov5s手部检测的mAP指标大约mAP_0.5:0.95=0.79306；而，yolov5s05_416 mAP_0.5:0.95=0.78112左右；yolov5s05_320 mAP_0.5:0.95=0.77658左右；轻量化后的模型yolov5s05比yolov5s计算量减少了16倍，参数量减少了7倍；相比而言，yolov5s05比yolov5s mAP减小了2%左右，对于性能比较弱鸡的手机而言，这个精度是还是可以接受的。

模型	input-size	params(M)	GFLOPs	mAP_0.5	mAP_0.5:0.95
yolov5s	640×640	7.2	16.5	0.99919	0.79306
yolov5s05	416×416	1.7	1.8	0.99885	0.78112
yolov5s05	320×320	1.7	1.1	0.99826	0.77658

（7）可视化训练过程

训练过程可视化工具是使用Tensorboard，使用方法，在终端输入：

# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=./data/model/yolov5s_640

当然，在输出目录，也保存很多性能指标的图片

这是训练epoch的可视化图，可以看到mAP随着Epoch训练，逐渐提高（见result.png）

这是每个类别的F1-Score分数（见F1_curve.png）

这是模型的PR曲线（见PR_curve.png）

这是混淆矩阵（见confusion_matrix.png）：

（8）常见的错误

YOLOv5 BUG修复记录
项目安装教程请参考：项目开发使用教程和常见问题和解决方法
项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！！！！！！！！

4. Python版本手部检测效果

demo.py文件用于推理和测试模型的效果，填写好配置文件，模型文件以及测试图片即可运行测试了

测试图片

# 测试图片（Linux系统）
image_dir='data/test_image' # 测试图片的目录
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --image_dir $image_dir --weights $weights --out_dir $out_dir

Windows系统，请将$image_dir， $weights ，$out_dir等变量代替为对应的变量值即可，如

# 测试图片（Windows系统）
python demo.py --image_dir data/test_image --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result

测试视频文件

# 测试视频文件（Linux系统）
video_file="data/test-video.mp4" # path/to/video.mp4 测试视频文件，如*.mp4,*.avi等
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --video_file $video_file --weights $weights --out_dir $out_dir

# 测试视频文件（Windows系统）
python demo.py --video_file data/test-video.mp4 --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result

测试摄像头

# 测试摄像头（Linux系统）
video_file=0 # 测试摄像头ID
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --video_file $video_file --weights $weights --out_dir $out_dir

# 测试摄像头（Windows系统）
python demo.py --video_file 0 --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result

先展示一下手部检测（不含关键点检测）的效果：

如果想进一步提高模型的性能，可以尝试：

增加训练的样本数据：目前有30W+的数据量，建议根据自己的业务场景，采集相关数据，提高模型泛化能力
使用参数量更大的模型：本教程使用的YOLOv5s，其参数量才7.2M，而YOLOv5x的参数量有86.7M，理论上其精度更高，但推理速度也较慢。
尝试不同数据增强的组合进行训练

5. 手部检测和手部关键点检测(Python/C++/Android)

项目已经完成Android版本手部检测和手部关键点检测算法开发，APP在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约50ms左右，GPU约30ms左右，基本满足业务的性能需求。

手部关键点检测3：Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集https://blog.csdn.net/guyuealian/article/details/133277726
手部关键点检测4：Android实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133931698
手部关键点检测5：C++实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133277748

Android手部关键点检测(手部姿势估计)APP Demo体验：https://download.csdn.net/download/guyuealian/88418582

6.项目源码下载

整套项目下载地址：手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)

整套项目源码内容包含：手部检测数据集 + 手部检测YOLOv5训练代码和测试代码

（1）手部检测数据集+手部关键点数据集：

手部检测数据集：包含Hand-voc1,Hand-voc2和Hand-voc3，总共60000+张图片；标注格式统一转换为VOC数据格式，标注名称为hand，可用于深度学习手部目标检测模型算法开发。

手部关键点数据集：包含HandPose-v1,HandPose-v2和HandPose-v3，总共80000+张图片；标注了手部区域目标框box，标注名称为hand，同时也标注了手部21个关键点，标注格式统一转换为COCO数据格式，可直接用于深度学习手部关键点检测模型训练。

详细说明，请查看《手部关键点(手部姿势估计)数据集(含下载链接)》https://blog.csdn.net/guyuealian/article/details/133277630

（2）手部检测YOLOv5训练代码和测试代码（Pytorch）

整套YOLOv5项目工程，含训练代码train.py和测试代码demo.py
支持高精度版本yolov5s训练和测试
支持轻量化版本yolov5s05_320和yolov5s05_416训练和测试
根据本篇博文说明，简单配置即可开始训练：train.py
源码包含了训练好的yolov5s,yolov5s05_416和yolov5s05_320模型，配置好环境，可直接运行demo.py
测试代码demo.py支持图片，视频和摄像头测试
本篇博文是手部检测，不包含手部关键点检测内容，关于手部关键点检测的方法，可查看《Pytorch实现手部关键点检测(手部姿势估计)》https://blog.csdn.net/guyuealian/article/details/133277726

Android手部关键点检测(手部姿势估计)APP Demo体验：https://download.csdn.net/download/guyuealian/88418582