Anaconda+yolov3+目标检测+头盔实战

Anaconda+yolov3+目标检测+头盔实战

Anaconda环境搭建（Windows版）

官网下载直接安装就行了，百度都有相应的教程

启动Anaconda

1、运行cmd，输入conda 了解相关命令操作。
常用conda命令汇总（Windows版本）

activate base ##激活conda基础环境
conda create -n tf -y python=3.7##创建一个名为tf的环境，python版本为3.7
activate tf ##激活环境
disactivate ##离开环境
conda infor -e ##Windows上查看已经创建的环境
conda remove -n tf##删除

conda换源

中科大换源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

搭建tensorflow-GPU环境

因为一般用CPU对图形处理不是很好（训练十分慢），所以需要cuda——GPU加速。
*CUDA相当于GPU算法加速器，是显卡厂商NVIDIA推出的运算平台。
借助Anaconda可以不需要自行下载cuda进行安装配置（自行下载cuda配置十分麻烦）

 Nvidia-smi        ##查看已安装cuda版本

Tensorflow cuda 和python 有对应关系（tensorflow2.0+后面的cuda可以参见官网 一般都是cuda10.1，可以试着安装不同版本）

conda create -n yolov3 python=3.8 cudatoolkit=10.2 cudnn ##创建一个名称为yolov3、python版本为3.8 cudatoolkit版本为10.2 以及对应CUDNN

创建一个名称为yolov3、python版本为3.8 cudatoolkit版本为10.2 以及对应CUDNN

通过yolov3训练自己的模型（以开源的头盔数据集为例）

Github上都有开源的yolov3的网络模型，可以自己下载。
我使用的网络模型：

1、下载网上开源的数据集
安全帽检测模型训练部署过程
2、对图像进行标注
这里采用的是网上百度开源的安全帽检测模型训练部署的数据集，可以直接使用。
3、划分数据集
将图像分为训练集和测试集，总共5000张图片，前3000张作为训练集，后2000张作为测试集。
4、yolov3迁移训练，生成安全帽的权重文件

python train.py --dataset ./data/voc2012_train_hard_hat.tfrecord --val_dataset ./data/voc2012_val_hard_hat.tfrecord --classes ./data/hard_hat_voc2012.names --num_classes 3 --mode fit --transfer darknet --batch_size 4 --epochs 7 --weights ./checkpoints/yolov3.tf --weights_num_classes 80

5、视频流预测
类别文件 hard_hat_voc2012.names
权重文件 yolov3_train_7.tf
检测类别 3个 分别是 helmet、head、person

`python  detect_video.py -video 0 --classes ./data/hard_hat_voc2012.names --num_classes 3 --weights ./checkpoints/yolov3_train_7.tf` 

6、遇到的问题
安装tensorflow时可能遇到的问题
the read operation timed out 解决方案

pip --default-timeout=100 install -u tensorflow=2.2.0

改变默认的下载延时时间，可能下载速度变慢，但是能下载完（否则系统容易报错）

关于网上下载的数据集的使用问题

Annotations的文件索引要与JPEGIMages的文件对应（无论是自己通过labelimg标注的话，还是网上标注好的数据集，运用它人的模型的时候都有注意这一点）

参考网上用于两种用于转换图片格式的方法
matlab批量改图片文件名称与格式

matlab

6、参考资料
https://www.bilibili.com/video/BV1r5411t7Db
https：//aistudio.baidu.com/aistudio/projectdetail/742090