初探目标检测
- 今天开始记录我的基于深度学习的目标检测学习
利用Python实现IoU的计算，代码如下：
def iou(boxA, boxB):
# 计算重合部分的上、下、左、右4个边的值，注意最大最小函数的使用
left_max = max(boxA[0], boxB[0])
top_max = max(boxA[1], boxB[1])
right_min = min(boxA[2], boxB[2])
bottom_min = min(boxA[3], boxB[3])
# 计算重合部分的面积
inter =max(0, (right_min-left_max))＊ max(0, (bottom_min-top_max)
Sa = (boxA[2]-boxA[0])*(boxA[3]-boxA[1])
Sb = (boxB[2]-boxB[0])*(boxB[3]-boxB[1])
# 计算所有区域的面积并计算iou，如果是Python 2，则要增加浮点化操作
union = Sa+Sb-inter
iou = inter/union
return iou
# 对于IoU而言，我们通常会选取一个阈值，如0.5，来确定预测框是正确的还是错误的。
# 当两个框的IoU大于0.5时，我们认为是一个有效的检测，否则属于无效的匹配。
几种名词解释
-
正确检测框TP（True Positive）：预测框正确地与标签框匹配了，两者间的IoU大于0.5。
-
误检框FP（False Positive）：将背景预测成了物体，通常这种框与图中所有标签的IoU都不会超过0.5。
-
漏检框FN（False Negative）：本来需要模型检测出的物体，模型没有检测出。
-
正确背景（True Negative）：本身是背景，模型也没有检测出来，这种情况在物体检测中通常不需要考虑。
-
对于一个检测器，通常使用mAP（mean Average Precision）这一指标来评价一个模型的好坏，这里的AP指的是一个类别的检测精度，mAP则是多个类别的平均精度。评测需要每张图片的预测值与标签值。
-
预测值（Dets）：物体类别、边框位置的4个预测值、该物体的得分。
-
标签值（GTs）：物体类别、边框位置的4个真值。
在预测值与标签值的基础上，我们首先将所有的预测框按照得分从高到低进行排序（因为得分越高的边框其对于真实物体的概率往往越大），然后从高到低遍历预测框。
从代码层面详细讲述AP求解过程
- 假设当前经过标签数据与预测数据的加载，我们得到了下面两个变量：
- det_boxes：包含全部图像中所有类别的预测框，其中一个边框包含了[left, top, right, bottom, score, NameofImage]。
- gt_boxes：包含了全部图像中所有类别的标签，其中一个标签的内容为[left, top, right, bottom, 0]。需要注意的是，最后一位0代表该标签有没有被匹配过，如果匹配过则会置为1，其他预测框再去匹配则为误检框。
for c in classes:
# 通过类别作为关键字，得到每个类别的预测、标签及总标签数
dects = det_boxes[c]
gt_class = gt_boxes[c]
npos = num_pos[c]
# 利用得分作为关键字，对预测框按照得分从高到低排序
dects = sorted(dects, key=lambda conf: conf[5], reverse=True)
# 设置两个与预测边框长度相同的列表，标记是True Positive还是False Positive
TP = np.zeros(len(dects))
FP = np.zeros(len(dects))
# 对某一个类别的预测框进行遍历
for d in range(len(dects)):
# 将IoU默认置为最低
iouMax = sys.float_info.min
# 遍历与预测框同一图像中的同一类别的标签，计算IoU
if dects[d][-1] in gt_class:
for j in range(len(gt_class[dects[d][-1]])):
iou = Evaluator.iou(dects[d][:4], gt_class[dects[d][-1]][j][:4])
if iou > iouMax:
iouMax = iou
jmax = j # 记录与预测有最大IoU的标签
# 如果最大IoU大于阈值，并且没有被匹配过，则赋予TP
if iouMax >= cfg['iouThreshold']:
if gt_class[dects[d][-1]][jmax][4] == 0:
TP[d] = 1
gt_class[dects[d][-1]][jmax][4] = 1 # 标记为匹配过
# 如果被匹配过，赋予FP
else:
FP[d] = 1
# 如果最大IoU没有超过阈值，赋予FP
else:
FP[d] = 1
# 如果对应图像中没有该类别的标签，赋予FP
else:
FP[d] = 1
# 利用NumPy的cumsum()函数，计算累计的FP与TP
acc_FP = np.cumsum(FP)
acc_TP = np.cumsum(TP)
rec = acc_TP / npos # 得到每个点的Recall
prec = np.divide(acc_TP, (acc_FP + acc_TP)) # 得到每个点的Precision
# 利用Recall与Precision进一步计算得到AP
[ap, mpre, mrec, ii] = Evaluator.CalculateAveragePrecision(rec, prec)
部署环境
-
查了一下资料，发现首先要按照Nvidiad的显卡驱动，并能够显示GPU的内存，使用情况等信息。
-
安装CUDA（Compute Unified Device Architecture）。CUDA是NVIDIA推出的通用并行计算架构，可以使类似于PyTorch之类的深度学习框架调用GPU来解决复杂的计算问题。为了实现更高效的GPU并行计算，通常我们还需要安装cuDNN库。cuDNN库是由NVIDIA开发的专用于深度神经网络的GPU加速库。这个我们首先要根据实现的代码案例来查看版本号，然后在官网按照步骤下载即可。我的环境版本要求如下图：
昨晚寝室停电了，今天补一下，安装CUDA的时候出现了一个问题
解决方式是，如图，取消Visual的安装，即可，原因可能是电脑本身装有的发生了冲突
-
突然发现自己的pthon版本是3.7，各种方法都尝试了，还是下回来了3.6之后，马上就可以安装了，试过各种方法，发现最后只能通过命令python -m pip install http://download.pytorch.org/whl/cu90/torch-0.4.0-cp36-cp36m-win_amd64.whl 进行安装
-
最后测试导入torch的时候，报错 ImportError: DLL load failed: 找不到指定的模块。
解决方法：从https://anaconda.org/anaconda/intel-openmp/files下载win-64/intel-openmp-2018.0.0-8.tar.bz2
解压后把Library\bin中的dll文件放入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
确保CUDA目录已添加到您的%PATH%环境变量中
今日总结
由于是第一次接触相关知识，像个无头苍蝇一样，导致代码只能稍微看懂一点，但是具体还是不知道如何去实现，我暂时是看《深度学习之PyTorch物体检测实战》，各位大佬如有更好的书籍或者路线，可以在下方评论，万分感谢！！！
还有这个环境的部署，属实是真的难顶，期间遇到了各种难题，幸好没有放弃，我感觉还是电脑安装的环境比较杂，比较乱，才导致了这么多问题的出现，有必要的话还是格式化电脑从头安装环境的好，还有一点就是环境版本的选择，尽量按照要求来，不要选择太高的版本了。
参考链接
CUDA和cuDNN安装参考
https://blog.csdn.net/sinat_23619409/article/details/84202651
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
