平头哥pentougu 2020-03-19 00:06:52 11280
已收藏 44
分类专栏: 目标检测
版权
1. 前情说明:
穷苦学生一枚,恰好最近在学习object detection,用到了yolov3模型,捣鼓了好几天,看了各大论坛、贴吧、CSDN,知乎,博客园等好多大佬前辈们写的文章(吐血.jpg),在这里将自己的过程和结果写出来,希望大家能少走点弯路。
2. 环境:
这个很重要!!!!!
- window 10
- pytorch 1.4.0
- opencv-python
- tqdm
- matplotlib
- pycocotools(这个很难装!!,原作者压根没有考虑window环境下的coco tools,真的吐血,具体安装教程可以参考我的博客:https://blog.csdn.net/weixin_45829462/article/details/104787103
本次使用的是ultralytics-yolov3
为什么使用这个版本,因为这个版本工业应用的比较多,检测速度也比较快,最重要的是,目前这个版本原作者一直在优化之中。
3. 步骤:
3.1 制作数据集:
在制作数据集需要用到一款标注工具,labellmge,安装地址:github:https://github.com/tzutalin/labelImg,使用方法:
https://www.cnblogs.com/Terrypython/p/9577657.html
3.2 数据集:
博主使用的数据集是Voc行人数据集,是已经标注好的数据集,下载地址:
大家先将数据集下载到桌面,解压,等待使用,数据中有两个文件夹,分别是:
Annotations文件打开后如下:
JPEGImages打开后如下:
3.3 下载模型:
请大家将模型下载下来,地址:https://github.com/ultralytics/yolov3
因为博主准备训练关于检测行人的模型,故命名为yolov3-person,下载下来重要的源文件包都有:
3.4 装载数据:
将数据集Annotations、JPEGImages复制到yolov3-person工程目录下的data文件下;同时新建两个文件夹,分别命名为ImageSets和labels,最后我们将JPEGImages文件夹复制粘贴一下,并将文件夹重命名为images,具体如下注:(data下加上原先的sample文件夹,一共是6个子文件夹):
3.5 建立标签文件:
在根目录下新建两个文件夹,makeTxt.py和voc_label.py,将以下代码拷贝进py文件中,如下:
- makeTxt.py:
import os
import random
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- voc_label.py:
import xml.etree.ElementTree as ET
import os
from os import listdir, getcwd
sets = ['train', 'test', 'val']
classes = ["person"] # 我们只检测person这个类别
def convert(size, box):#对图片进行归一化处理
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_id):
in_file = open('data/Annotations/%s.xml' % (image_id))
out_file = open('data/labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
print(wd)
for image_set in sets:
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
list_file = open('data/%s.txt' % (image_set), 'w')
for image_id in image_ids:
list_file.write('data/images/%s.jpg\n' % (image_id))
convert_annotation(image_id)
list_file.close()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
注:classes=【‘person’】里面的标签并不是我们定的,请大家打开自己数据集的xml文件,类目头标签是是啥填啥:
3.6 运行标签文件:
- 运行makeTxt.py后,在ImagesSets文件夹里面生成4个文件:
- 运行makeTxt.py后,在Iabels文件夹里面生成文件名以及image中目标的位置信息:
3.7 配置文件:
在data文件下新建person.names文件,内容如下:
person
- 1
在data文件下新建person.data文件,内容如下:
classes=1#只检测一个类,原为80个
train=data/train.txt
valid=data/test.txt
names=data/person.names#读取类目信息
backup=backup/
eval=coco#配置标准与coco数据集一致
- 1
- 2
- 3
- 4
- 5
- 6
3.8 修改参数文件:
修改原yolov3-spp.cfg文件为(可直接拷贝):
[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=16
width=608
height=608
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
[convolutional]
size=1
stride=1
pad=1
filters=18
activation=linear
[yolo]
mask = 6,7,8
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=1
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
[route]
layers = -4
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[upsample]
stride=2
[route]
layers = -1, 61
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky
[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=512
activation=leaky
[convolutional]
size=1
stride=1
pad=1
filters=18
activation=linear
[yolo]
mask = 3,4,5
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=1
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
[route]
layers = -4
[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky
[upsample]
stride=2
[route]
layers = -1, 36
[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky
[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky
[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=256
activation=leaky
[convolutional]
size=1
stride=1
pad=1
filters=18
activation=linear
[yolo]
mask = 0,1,2
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=1
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
提一下,主要修改的是三个yolo层附近的参数,一共六处地方:
修改如下:
①filters=255改为18:即3*(classes+5),单类的话classes=1
②classes=80改为1,只检测person一类
其他参数根据自己需要进行修改:
①如果想修改anchor的值,需要根据kmeans聚类跑自己的数据集得出结果,代码地址:https://github.com/lars76/kmeans-anchor-boxes
②如果GPU显存较小,可以设置将random=1设置为0
③当单类是cls为0
3.10 配置预权重:
预权重需要哪个根据自己修改的cfg文件进行选择,以下附一张图。但要提一点,如果不想在作者训练好的权重再加以训练,想要从头开始训练,选择darknet53.conv.74。
3.11 训练模型:
使用pycharm中的Terminal,输入如下命令:
python train.py --data data/person.data --cfg cfg/yolov3-spp.cfg --weights weights/darknet53.conv.74 --epochs 100 --batch-size 32
- 1
其中,–epochs 10指迭代了10次,batch-size 32指每次处理32张图片。
①如果GPU显存不够的,会报出错误:
②batch-size 最好在32以上,并且为2的指数倍,不然会不定时出现nan问题:
③数据集不要包括黑白图片,请保持RBG通道一致,不然会报错:
④,有条件的,请开启多尺度训练,提高模型精度,具体命令如下:
python train.py --data data/person.data --cfg cfg/yolov3-spp.cfg --weights weights/darknet53.conv.74 --epochs 100 --batch-size 32 --multi-scale
- 1
正常运行如下:(自己笔记本显存不够,通过Google Colab训练)
训练结束后得到模型best.pt和last.pt:
4. 结果检测:
在Terminal下输入以下命令:
python detect.py --names data/person.names --cfg cfg/yolov3-spp.cfg --weights weights/best.pt
- 1
结果如下:
结果倒是出乎自己的预期