26备战秋招day5——基于voc的yolov8目标检测

最新推荐文章于 2024-11-11 20:11:13 发布

如意鼠

最新推荐文章于 2024-11-11 20:11:13 发布

阅读量1.1k

点赞数 12

分类专栏： 26秋招文章标签： YOLO 目标检测人工智能

本文链接：https://blog.csdn.net/weixin_43784706/article/details/142782823

版权

26秋招专栏收录该内容

12 篇文章 1 订阅

订阅专栏

使用 YOLOv8 与自定义 VOC 数据集进行目标检测的实践

目标检测是计算机视觉领域的一项核心任务，它不仅要识别图片中的物体，还要在图片中找到物体的具体位置并用边界框标记出来。这在自动驾驶、智能监控、无人机等应用中非常重要。本文将介绍如何基于 YOLOv8 模型和自定义的 VOC 数据集进行目标检测任务，并会深入探讨 YOLO 系列的演进历程，最后通过一个完整的实践过程帮助你快速上手。

一、目标检测任务介绍

目标检测是计算机视觉领域的一种技术，目的是识别图像或视频中的目标物体，并返回每个目标的位置（以边界框的形式表示）及其类别。一个典型的目标检测任务会产生以下输出：

类别标签：物体的类别，如"人"、“汽车”、"猫"等。
边界框：框出物体的位置，通常由四个值表示（左上角的 x、y 坐标和宽度、高度）。
置信度分数：模型对目标检测结果的置信程度。

目标检测广泛应用于自动驾驶车辆中的行人检测、视频监控中的异常行为识别、无人机对地面物体的识别等。

二、自定义 VOC 数据集介绍

PASCAL VOC（Visual Object Classes）是一个常用于目标检测任务的公开数据集，最早发布于 2007 年，支持图像分类、目标检测、语义分割等任务。不过在本文中，我们使用了一个自定义格式的 VOC 数据集，已经将数据集转换为 YOLOv8 所要求的格式。

自定义 VOC 数据集的文件结构：

voc2007myself/
├── images/          # 存储图像文件
│   ├── train/       # 训练集图像
│   ├── val/         # 验证集图像
│   └── test/        # 测试集图像
├── labels/          # 存储 YOLO 格式的标签文件
│   ├── train/       # 训练集标签
│   ├── val/         # 验证集标签
│   └── test/        # 测试集标签
├── train.cache      # 训练集的缓存文件，用于加速训练
├── val.cache        # 验证集的缓存文件
└── 其他 cache 文件

自定义 VOC 数据集结构说明

在这个自定义的 VOC 数据集中：

images/ 文件夹包含了 train、val 和 test 子文件夹，分别存放训练集、验证集和测试集的图像。
labels/ 文件夹中存放的是 YOLO 格式的标签文件，标签与图像文件一一对应，并且描述了图像中物体的类别和边界框。
cache 文件 是 YOLOv8 生成的缓存文件，用于加速数据加载，尤其在重新训练时非常有用。

YOLO 标签格式

YOLO 格式的标签文件是 .txt 文件，每一行代表一个目标的标注，格式为：

class_id x_center y_center width height

class_id：目标的类别编号，从 0 开始编号。
x_center、y_center：目标边界框中心的坐标，已归一化到图像尺寸范围 [0, 1]。
width、height：边界框的宽度和高度，也归一化到图像尺寸范围 [0, 1]。

三、YOLO 系列的演变历程

YOLO（You Only Look Once）是一种基于深度学习的目标检测算法，它的核心思想是将目标检测任务转化为一个回归问题，通过一次前向传播完成图像的检测。与传统的检测算法（如 R-CNN 系列）相比，YOLO 只需一次前向传播即可完成所有物体的检测，从而大大提高了检测速度。

YOLO 从最早的版本 YOLOv1 到最新的 YOLOv8 版本，经历了多次迭代，性能不断提升：

1. YOLOv1（2016 年）

YOLOv1 首次提出了 “一次检测” 的概念，它通过将图像划分为 S x S 网格，每个网格负责检测一个物体的位置和类别。虽然 YOLOv1 提出了新的思路，但其对小物体的检测效果不够理想。

2. YOLOv2（2017 年）

YOLOv2 引入了锚框机制，并使用了更深的网络结构（Darknet-19），有效提升了检测精度。YOLOv2 还支持多尺度输入，在检测小物体方面取得了较大改进。

3. YOLOv3（2018 年）

YOLOv3 使用了Darknet-53 网络，支持在多尺度特征图上进行检测。通过不同层级的特征图来处理不同大小的物体，解决了小物体检测的问题。YOLOv3 的检测速度和精度都得到了大幅提升。

4. YOLOv4（2020 年）

YOLOv4 引入了多种优化技术（如CSPNet 和 Mish 激活函数），使得模型在保证高速度的前提下进一步提高了检测精度。它在实际应用中对小型设备和嵌入式系统的适配性更好。

5. YOLOv5（2020 年）

虽然 YOLOv5 是由 Ultralytics 团队开发的，并未出自 YOLO 官方，但它凭借其简单易用的特点，迅速受到开发者的欢迎。YOLOv5 支持非常简单的 API 接口，且支持多种硬件平台。

6. YOLOv6、YOLOv7（2022 年）

YOLOv6 和 YOLOv7 引入了更多高效的网络结构，如E-ELAN 模块等，优化了轻量化和速度，使得在低计算资源设备上也能实现较好的检测性能。

7. YOLOv8（2023 年）

YOLOv8 是 Ultralytics 团队发布的最新版本。它结合了 YOLOv5 的易用性，借鉴了 YOLOv7 的高效检测机制，进一步提升了检测精度与速度。YOLOv8 还支持模型压缩、自动超参数优化等功能，适合更多的实际场景应用。

四、基于 YOLOv8 和自定义 VOC 数据集进行目标检测的完整实践

接下来，我们将基于 YOLOv8 和自定义的 VOC 数据集进行目标检测任务的实践操作。我们将使用 Ultralytics YOLOv8 库，这个库已经封装好了大部分所需的功能，非常适合初学者使用。

以下是完整的代码，包含所有的步骤。你只需要按顺序复制粘贴即可。

1. 环境配置与安装

首先，确保你已经安装了 Ultralytics YOLO 库。你可以通过以下命令进行安装：

!pip install ultralytics

2. 完整代码实现

# 1. 导入所需库
import torch
from ultralytics import YOLO
import os
import matplotlib.pyplot as plt
from PIL import Image

# 2. 禁用 W&B（Weights and Biases）
os.environ['WANDB_MODE'] = 'disabled'  # 禁用 W&B，防止在训练过程中记录

# 3. 创建并写入 voc.yaml 配置文件
voc_yaml_content = """
path: /kaggle/input/voc2007myself  # 自定义 VOC 数据集根路径
train: images/train  # 训练集图像路径
val: images/val      # 验证集图像路径
test: images/test    # 测试集图像路径

# 数据集类别列表
names:
  - aeroplane
  - bicycle
  - bird
  - boat
  - bottle
  - bus
  - car
  - cat
  - chair
  - cow
  - diningtable
  - dog
  - horse
  - motorbike
  - person
  - pottedplant
  - sheep
  - sofa
  - train
  - tvmonitor
"""

# 将配置文件保存到当前工作目录中
yaml_file_path = '/kaggle/working/voc.yaml'
with open(yaml_file_path, 'w') as f:
    f.write(voc_yaml_content)
print(f"配置文件已保存到 {yaml_file_path}")

# 4. 加载 YOLO

v8 预训练模型并开始训练
model = YOLO('yolov8n.pt')  # 使用 nano 模型，速度快

# 开始训练 YOLOv8
results = model.train(
    data=yaml_file_path,  # 指定 VOC 数据集的配置文件路径
    epochs=50,            # 训练周期数
    imgsz=640,            # 输入图像大小，YOLOv8 默认是 640x640
    batch=16,             # 每批次 16 张图像
    device=0              # 使用 GPU 训练
)

# 5. 评估模型
metrics = model.val()
print(f"评估结果: {metrics}")

# 6. 使用训练好的模型进行预测
predictions = model.predict(source='/kaggle/input/voc2007myself/images/test', save=True)

# 7. 自动选择存在的图片进行可视化
# 选择存在的图片文件路径进行可视化
test_image_dir = '/kaggle/input/voc2007myself/images/test'
test_images = os.listdir(test_image_dir)

# 检查是否有图片
if len(test_images) > 0:
    # 选择一张图片
    image_path = os.path.join(test_image_dir, test_images[0])
    print(f"选择的测试图片: {image_path}")
else:
    print("测试集没有图片，请检查路径和数据集是否正确")

# 可视化预测结果
def plot_prediction(image_path, result):
    img = Image.open(image_path)
    plt.figure(figsize=(10, 10))
    plt.imshow(img)
    
    # 获取预测结果中的边界框
    boxes = result[0].boxes.xyxy.cpu().numpy()  # 边界框坐标
    scores = result[0].boxes.conf.cpu().numpy()  # 置信度
    labels = result[0].boxes.cls.cpu().numpy()   # 类别
    
    # 绘制边界框和标签
    for i, box in enumerate(boxes):
        label = int(labels[i])
        score = scores[i]
        plt.gca().add_patch(plt.Rectangle((box[0], box[1]), box[2] - box[0], box[3] - box[1], 
                                          edgecolor='red', facecolor='none', linewidth=2))
        plt.text(box[0], box[1] - 5, f'{model.names[label]} {score:.2f}', color='red', fontsize=12)
    
    plt.axis('off')
    plt.show()

# 调用可视化函数显示预测结果
plot_prediction(image_path, predictions)

# 8. 保存模型为 ONNX 格式
model.export(format='onnx')  # 将模型导出为 ONNX 格式，便于部署
print("模型已导出为 ONNX 格式")

代码解析

环境配置和安装：首先安装所需的 ultralytics 库，并设置环境变量禁用 Weights and Biases（W&B）。
准备数据集：确保自定义的 VOC 数据集已被格式化为 YOLO 格式，放置在正确的目录结构中。
创建配置文件：生成 voc.yaml 文件，其中指定了训练、验证和测试集的路径，以及数据集的类别名称。
模型训练：使用 YOLOv8 的 nano 版本进行训练，设置训练参数，如 epoch 数、输入图片大小和批次大小。
模型评估：使用验证集对训练好的模型进行评估，并输出相关指标。
模型预测：加载训练好的模型，使用测试集中的图片进行预测，并将结果保存到本地。
自动选择图片可视化：代码会自动从 test 文件夹中选择第一张图片，并对其进行预测结果的可视化展示。
保存模型：将训练好的模型导出为 ONNX 格式，便于后续在不同设备或框架中部署。

总结

本文详细介绍了基于 YOLOv8 和自定义 VOC 数据集进行目标检测的完整流程。无论你是初学者还是有一定经验的开发者，通过本文的实践代码，你可以轻松上手 YOLOv8，并在自己的数据集上训练和推理目标检测模型。你只需按照文中步骤执行，即可实现高效、准确的目标检测。如果你对目标检测有更多兴趣，欢迎进一步探索和优化模型参数以提升性能。