自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

使用YOLO進(jìn)行目標(biāo)檢測 原創(chuàng)

發(fā)布于 2024-12-31 12:45
瀏覽
0收藏

前言

本章的學(xué)習(xí)內(nèi)容，將以目標(biāo)檢測為切入口，了解目標(biāo)檢測流程，包括：數(shù)據(jù)標(biāo)準(zhǔn)、模型訓(xùn)練以及模型預(yù)測。

圖片分類vs目標(biāo)檢測

通過查看YOLO網(wǎng)站的task目錄，我們可以看到：在計(jì)算機(jī)視覺領(lǐng)域中，常見的任務(wù)包括目標(biāo)檢測（detect）、語義分割（segment）、圖像分類（classify）、人體姿態(tài)估計(jì)（pose）、以及有向邊界框（Oriented Bounding Box，OBB）等。

  • 圖像分類（classify）

    a. 輸出是圖像所屬的類別或標(biāo)簽，通常以概率分布的形式（例如：[0.2, 0.5, 0.1, 0.2]）表示每個類別的概率。

    b. 模型會輸出每個類別的概率值，最終選擇概率最高的類別作為預(yù)測結(jié)果。

    c. 輸入是一張圖像，通常是固定大小的RGB圖像。

    d. 定義：圖片分類是指根據(jù)圖像的內(nèi)容將其分為不同的類別或標(biāo)簽。

    e. 輸入：

    f. 輸出：

  • 目標(biāo)檢測（detect）

    a. 輸出是圖像中檢測到的所有物體的邊界框和類別信息。

    b. 通常是一個包含物體位置、類別和置信度的列表。

    c. 輸入是一張圖像，同樣是RGB圖像。

    d. 定義：目標(biāo)檢測是指在圖像中檢測和定位物體的任務(wù)，同時識別物體的類別。

    e. 輸入：

    f. 輸出：

目標(biāo)檢測的問題

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

通過上圖可以看到，目標(biāo)檢測會遇到以下問題：

  • 圖片中包含多個動物，并不能簡單的分類這張圖是長頸鹿還是斑馬；
  • 圖片中的動物所在的位置也是大小不同，位置不同；
  • ...

傳統(tǒng)算法的解決思路

在利用深度學(xué)習(xí)做物體檢測之前，傳統(tǒng)算法對于目標(biāo)檢測通常分為3個階段：區(qū)域選取、特征提取和體征分類。

  • 區(qū)域選取：首先選取圖像中可能出現(xiàn)物體的位置，由于物體位置、大小都不固定，因此傳統(tǒng)算法通常使用滑動窗口（Sliding Windows）算法，但這種算法會存在大量的冗余框，并且計(jì)算復(fù)雜度高。

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

  • 特征提?。涸诘玫轿矬w位置后，通常使用人工精心設(shè)計(jì)的提取器進(jìn)行特征提取，如SIFT和HOG等。由于提取器包含的參數(shù)較少，并且人工設(shè)計(jì)的魯棒性較低，因此特征提取的質(zhì)量并不高。

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

  • 特征分類：最后，對上一步得到的特征進(jìn)行分類，通常使用如SVM、AdaBoost的分類器。

深度學(xué)習(xí)的解決思路

Anchor-based（基于錨框）

定義：Anchor-based 方法通過在圖像上生成一組預(yù)定義的錨框（Anchor Boxes），然后利用這些錨框進(jìn)行目標(biāo)檢測。 流程：

  1. 生成錨框：在圖像上生成一組不同尺寸和長寬比的錨框。
  2. 特征提取：通過卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征(套種圖片中的物體)。
  3. 預(yù)測：對每個錨框預(yù)測偏移量和目標(biāo)類別信息。
  4. 篩選：通過非極大值抑制（NMS）等方法篩選出最終的檢測結(jié)果。

核心思想：

  • 死框+修正量

20×20的錨框

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

40×40的錨框

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

80×80的錨框

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

優(yōu)點(diǎn)：

  • 相對容易實(shí)現(xiàn)和訓(xùn)練。
  • 可以處理多尺度目標(biāo)和不同長寬比的目標(biāo)。

缺點(diǎn)：

  • 需要預(yù)定義大量的錨框，增加了計(jì)算復(fù)雜度和訓(xùn)練難度。
  • 對于不規(guī)則形狀的目標(biāo)可能不夠靈活。

Anchor-free（無錨框）

定義：Anchor-free 方法不依賴于預(yù)定義的錨框，而是直接預(yù)測目標(biāo)的位置和類別信息。 流程：

  1. 中心點(diǎn)檢測：首先，在圖像上“撒豆子”（也稱為“CenterNet”），即在圖像的每個位置（像素）處預(yù)測目標(biāo)中心點(diǎn)的存在概率。這些中心點(diǎn)通常表示可能存在目標(biāo)的位置。
  2. 邊界框預(yù)測：對于每個被預(yù)測為目標(biāo)中心點(diǎn)的位置，模型會進(jìn)一步預(yù)測目標(biāo)的邊界框(向上下左右生長，套住要預(yù)測的問題)。
  3. 后處理：通過后處理算法（如非極大值抑制）來篩選和優(yōu)化檢測結(jié)果，以獲得最終的目標(biāo)檢測結(jié)果。

核心思想：

  • 中心點(diǎn) + 四個方向的生長

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

優(yōu)點(diǎn)：

  • 更加靈活，可以適應(yīng)各種目標(biāo)形狀和尺度。
  • 減少了預(yù)定義錨框帶來的計(jì)算復(fù)雜度。

缺點(diǎn)：

  • 相對 Anchor-based 方法，Anchor-free 方法可能需要更多的訓(xùn)練數(shù)據(jù)和更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。
  • 在處理小目標(biāo)或密集目標(biāo)時可能性能略遜于 Anchor-based 方法。

目前，目標(biāo)檢測基本使用anchor-free的方法。

目標(biāo)檢測的兩種策略

目標(biāo)檢測具體的開展策略有兩種：

方式

過程

代表

方式1

1. 先對輸入圖像進(jìn)行切片。

2. 對每一片進(jìn)行特征提取。

3. 對提取的特征進(jìn)行分類和回歸。

MTCNN

方式2

1. 先對輸入圖像進(jìn)行特征提取。

2. 對提取的特征進(jìn)行切片。

3. 對每一片進(jìn)行分類和回歸。

YOLO

兩個例子

獲取視頻頭內(nèi)容進(jìn)行目標(biāo)檢測

from ultralytics import YOLO
import cv2

# 加載YOLO模型
model = YOLO("yolov8n.pt")

cap = cv2.VideoCapture(0)

while cap.isOpened():
# 讀取視頻幀
    ret, frame = cap.read()
ifnot ret:
break

# 使用YOLO模型檢測物體
    results = model(frame)

# 繪制預(yù)測結(jié)果
    img = results[0].plot()

# 顯示檢測結(jié)果
    cv2.imshow("frame", img)

if cv2.waitKey(1)==ord("q"):
break

# 釋放資源
cap.release()
cv2.destroyAllWindows()

運(yùn)行以上代碼，YOLO可以將攝像頭中的視頻按幀逐幀檢測物體。

讀取圖片進(jìn)行目標(biāo)檢測

import cv2
from ultralytics import YOLO
import os

# 設(shè)置環(huán)境變量，解決OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized的問題
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

# 加載模型
model = YOLO("yolov8n.pt")# 使用預(yù)訓(xùn)練模型權(quán)重

# 讀取圖片
image = cv2.imread("animal.png")

# 預(yù)測
results = model(image)

result = results[0]
img = result.plot()

from matplotlib import pyplot as plt

# 對對象進(jìn)行可視化，從RGB轉(zhuǎn)換為BGR
plt.imshow(X=img[:,:,::-1])

運(yùn)行結(jié)果：

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

通過查看??result??的內(nèi)容，可以得到：

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

??cls??: 表示檢測到的物體類別，是一個包含類別標(biāo)識號的張量。

例如：上例分別為類別22、22、22、23和0。這意味著模型在圖像中檢測到了不同類別的物體。

??conf??: 表示置信度，即模型對檢測結(jié)果的信心程度，是一個包含置信度值的張量。

例如：上例分別為[0.9189, 0.9098, 0.8850, 0.8815, 0.2930]表示模型對每個檢測結(jié)果的置信度，置信度值越高，表示模型對該檢測結(jié)果的信心程度越高。

??data??: 包含了檢測結(jié)果的詳細(xì)數(shù)據(jù)，如邊界框坐標(biāo)、置信度、類別等信息。

例如：第一行數(shù)據(jù)[7.6884e+02, 5.6770e+02, 9.7418e+02, 7.7100e+02, 9.1892e-01, 22]表示一個邊界框的左上角和右下角坐標(biāo)、置信度和類別。

??shape??: 結(jié)果張量的形狀。

例如：[5, 6]表示這個張量是一個二維張量，上圖中一共預(yù)測了5個目標(biāo)檢測結(jié)果。

??xywh??: 表示邊界框的中心坐標(biāo)、寬度和高度。

例如：[[871.5070, 669.3497, 205.3398, 203.3070], [322.5407, 673.7639, 251.3661, 181.0720], ...]表示了每個檢測結(jié)果的邊界框信息。

??xyxy??: 表示邊界框的左上角和右下角坐標(biāo)。

例如：[[768.8371, 567.6962, 974.1769, 771.0032], [196.8576, 583.2280, 448.2238, 764.2999], ...]表示了每個檢測結(jié)果的邊界框的左上角和右下角坐標(biāo)。

自定義模型訓(xùn)練

以上的目標(biāo)檢測都是基于預(yù)先訓(xùn)練好的模型，如果想自主實(shí)現(xiàn)一個模型的訓(xùn)練以及目標(biāo)檢測，具體流程如下：

數(shù)據(jù)準(zhǔn)備

為了更加接近實(shí)戰(zhàn)，我計(jì)劃在天池及飛槳社區(qū)找一份數(shù)據(jù)集進(jìn)行目標(biāo)檢測的模型訓(xùn)練。

數(shù)據(jù)集地址：https://aistudio.baidu.com/datasetdetail/91732 

數(shù)據(jù)集簡述： 一個理想的智能零售結(jié)算系統(tǒng)應(yīng)當(dāng)能夠精準(zhǔn)地識別每一個商品，并且能夠返回完整地購物清單及顧客應(yīng)付的實(shí)際商品總價(jià)格。這是一份智能零售柜識別的圖片數(shù)據(jù)集，非常適用于進(jìn)行目標(biāo)檢測。

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

數(shù)據(jù)分析

由于該數(shù)據(jù)集采用VOC格式，其內(nèi)容形式與YOLOv8的格式不同，所以我們需要做相關(guān)的處理。

VOC數(shù)據(jù)集目錄格式：

我有一個VOC的目標(biāo)檢測數(shù)據(jù)集，其目錄結(jié)構(gòu)為：

VOC
|-Annotations
|-ori_000_XYGOC20200313162026456_1.xml
|-ori_000_XYGOC20200313162953549_1.xml
|-ori_001_11_0.xml
|-ori_001_4_0.xml
|-ori_001_6_0.xml
|-ori_t1_TEST20191101164758498_1.xml
|-ori_t1_TEST20191101164829232_1.xml
|-...
|-JPEGImages
|-ori_000_XYGOC20200313162026456_1.jpg
|-ori_000_XYGOC20200313162953549_1.jpg
|-ori_001_11_0.jpg
|-ori_001_4_0.jpg
|-ori_001_6_0.jpg
|-ori_t1_TEST20191101164758498_1.jpg
|-ori_t1_TEST20191101164829232_1.jpg
|-...
|-labels.txt
|-test_list.txt
|-train_list.txt
|-val_list.txt

# labels.txt的內(nèi)容格式為如下：
3+2-2
3jia2
aerbeisi
anmuxi
aoliao
asamu
baicha
baishikele
...

# train_list.txt內(nèi)容格式如下：
JPEGImages/ori_XYGOC2021042115092870201IK-4_0.jpg Annotations/ori_XYGOC2021042115092870201IK-4_0.xml
JPEGImages/ori_XYGOC2021010413165585501IK-3_0.jpg Annotations/ori_XYGOC2021010413165585501IK-3_0.xml

YOLOv8數(shù)據(jù)集的目錄結(jié)構(gòu)

|-images
|-train
|-ori_000_XYGOC20200313162026456_1.jpg
...
|-val
|-ori_t1_TEST20191101164758498_1.jpg
...
|-lables
|-train
|-ori_000_XYGOC20200313162026456_1.txt
|-val
|-ori_t1_TEST20191101164829232_1.txt

數(shù)據(jù)轉(zhuǎn)換

1. 創(chuàng)建Dataset根目錄

import os

# 創(chuàng)建Dataset根目錄，同時按照YOLO的格式分別創(chuàng)建train和val目錄
defcreate_directories(base_dir):
    dirs =[
        os.path.join(base_dir,"images/train"),
        os.path.join(base_dir,"images/val"),
        os.path.join(base_dir,"labels/train"),
        os.path.join(base_dir,"labels/val")
]
fordirin dirs:
        os.makedirs(dir, exist_ok=True)

2. 讀取classes類別

def read_classes(classes_file):
"""
    從類別文件中讀取類別名稱，并返回類別名稱與索引的映射字典。

    參數(shù):
    - classes_file (str): 類別文件路徑

    返回:
    - classes (dict): 類別名稱與索引的映射字典
    """
    classes ={}
withopen(classes_file,"r")as f:
        lines = f.readlines()
for index, line inenumerate(lines):
            class_name = line.strip()
            classes[index]= class_name
return classes

3. 讀取xml文件并轉(zhuǎn)換為yolo格式

def parse_xml(xml_path, classes_dict):
"""
    解析XML文件，獲取圖像的寬度、高度以及對象的類別和邊界框坐標(biāo)。

    參數(shù):
    - xml_path (str): XML文件路徑

    返回:
    - width (int): 圖像寬度
    - height (int): 圖像高度
    - objects (list): 包含對象信息的列表，每個對象信息包括類別和邊界框坐標(biāo)
    """
    tree = ET.parse(xml_path)
    root = tree.getroot()
    size = root.find("size")
    width =int(size.find("width").text)
    height =int(size.find("height").text)
    objects =[]
for obj in root.findall("object"):
        name = obj.find("name").text
        label_index = get_label_index(name, classes_dict)
        bndbox = obj.find("bndbox")
        xmin =int(bndbox.find("xmin").text)
        ymin =int(bndbox.find("ymin").text)
        xmax =int(bndbox.find("xmax").text)
        ymax =int(bndbox.find("ymax").text)
        objects.append({"label_index": label_index,"xmin": xmin,"ymin": ymin,"xmax": xmax,"ymax": ymax})
return width, height, objects

defconvert_to_yolo_format(width, height, obj):
"""
    將對象信息轉(zhuǎn)換為適合YOLO格式的坐標(biāo)。

    參數(shù):
    - width (int): 圖像寬度
    - height (int): 圖像高度
    - obj (dict): 包含對象信息的字典，包括類別和邊界框坐標(biāo)
    """
    x_center =(obj["xmin"]+ obj["xmax"])/2/ width
    y_center =(obj["ymin"]+ obj["ymax"])/2/ height
    w =(obj["xmax"]- obj["xmin"])/ width
    h =(obj["ymax"]- obj["ymin"])/ height
return x_center, y_center, w, h

4. 將xml文件轉(zhuǎn)換為txt文件

def write_txt_file(file_path, content):
"""
    創(chuàng)建或?qū)懭雰?nèi)容到.txt文件
    
    參數(shù):
    - file_path (str): 目標(biāo).txt文件路徑
    - content (str): 寫入文件的內(nèi)容
    """
try:
ifnot os.path.exists(file_path):
open(file_path,'w').close()# 創(chuàng)建空的目標(biāo)文件

withopen(file_path,"a")as f:
            f.write(content)
print(f"成功寫入文件 {file_path}")
exceptExceptionas e:
print(f"寫入文件時發(fā)生異常: {e}")


defprocess_VOC_data(root_dir, train_list_file, images_dst, labels_dst, classes_dict):
"""
    從VOC數(shù)據(jù)集中讀取訓(xùn)練列表文件，解析xml文件并將圖像復(fù)制到目標(biāo)目錄中，并將類別和bbox信息寫入標(biāo)簽文件中。

    參數(shù):
    - root_dir (str): VOC數(shù)據(jù)集的根目錄
    - train_list_file (str): 訓(xùn)練列表文件路徑
    - image_folder (str): 圖像文件夾的相對路徑
    - images_dst (str): 圖像目標(biāo)目錄
    - labels_dst (str): 標(biāo)簽?zāi)繕?biāo)目錄
    """
withopen(train_list_file,"r")as f:
        lines = f.readlines()
# 逐行讀取列表文件
for line in lines:
            line = line.strip()
            image_path, xml_path = line.split(" ")
# 獲取xml文件絕對路徑
            xml_path = os.path.join(root_dir, xml_path)
# 獲取image文件絕對路徑
            image_path = os.path.join(root_dir, image_path)

            width, height, objects = parse_xml(xml_path, classes_dict)

            copy_image(image_path, images_dst)

for obj in objects:
                label_name = os.path.splitext(os.path.basename(image_path))[0]+".txt"
                label_dst = os.path.join(labels_dst, label_name)
                yolo_format = convert_to_yolo_format(width, height, obj)
                content =f"{obj['label_index']} {yolo_format[0]} {yolo_format[1]} {yolo_format[2]} {yolo_format[3]}\n"
                write_txt_file(label_dst, content)

5. 保存.txt文件到新目錄下，同時拷貝圖像

def copy_image(image_path, images_dst):
"""
    將圖像從原路徑復(fù)制到目標(biāo)路徑。

    參數(shù):
    - image_path (str): 原圖像路徑
    - images_dst (str): 目標(biāo)圖像路徑
    """
    image_name = os.path.basename(image_path)
    image_dst = os.path.join(images_dst, image_name)

ifnot os.path.exists(image_path):
print(f"原圖像路徑 '{image_path}' 未找到文件")
return

if os.path.exists(image_dst):
print(f"目標(biāo)路徑 '{image_dst}' 中已存在同名圖像文件")
return

try:
        shutil.copy(image_path, image_dst)
print(f"成功復(fù)制圖像 {image_name} 到目標(biāo)目錄")
exceptExceptionas e:
print(f"拷貝圖像時發(fā)生異常: {e}")

完整代碼如下：

import xml.etree.ElementTreeas ET
import shutil
import os

# 創(chuàng)建Dataset根目錄，同時按照YOLO的格式分別創(chuàng)建train和val目錄
defcreate_directories(base_dir):
    dirs =[
        os.path.join(base_dir,"images/train"),
        os.path.join(base_dir,"images/val"),
        os.path.join(base_dir,"labels/train"),
        os.path.join(base_dir,"labels/val")
]
fordirin dirs:
        os.makedirs(dir, exist_ok=True)

defget_label_index(name, classes_dict):
"""
    根據(jù)類別名稱從類別字典中獲取對應(yīng)的序號。

    參數(shù):
    - name (str): 類別名稱
    - classes_dict (dict): 包含類別名稱和對應(yīng)序號的字典

    返回:
    - label_index (int): 類別名稱對應(yīng)的序號，如果不存在則返回-1
    """
    label_index =-1
for key, value in classes_dict.items():
if value == name:
            label_index = key
break
return label_index

defparse_xml(xml_path, classes_dict):
"""
    解析XML文件，獲取圖像的寬度、高度以及對象的類別和邊界框坐標(biāo)。

    參數(shù):
    - xml_path (str): XML文件路徑

    返回:
    - width (int): 圖像寬度
    - height (int): 圖像高度
    - objects (list): 包含對象信息的列表，每個對象信息包括類別和邊界框坐標(biāo)
    """
    tree = ET.parse(xml_path)
    root = tree.getroot()
    size = root.find("size")
    width =int(size.find("width").text)
    height =int(size.find("height").text)
    objects =[]
for obj in root.findall("object"):
        name = obj.find("name").text
        label_index = get_label_index(name, classes_dict)
        bndbox = obj.find("bndbox")
        xmin =int(bndbox.find("xmin").text)
        ymin =int(bndbox.find("ymin").text)
        xmax =int(bndbox.find("xmax").text)
        ymax =int(bndbox.find("ymax").text)
        objects.append({"label_index": label_index,"xmin": xmin,"ymin": ymin,"xmax": xmax,"ymax": ymax})
return width, height, objects

defconvert_to_yolo_format(width, height, obj):
"""
    將對象信息轉(zhuǎn)換為適合YOLO格式的坐標(biāo)。

    參數(shù):
    - width (int): 圖像寬度
    - height (int): 圖像高度
    - obj (dict): 包含對象信息的字典，包括類別和邊界框坐標(biāo)
    """
    x_center =(obj["xmin"]+ obj["xmax"])/2/ width
    y_center =(obj["ymin"]+ obj["ymax"])/2/ height
    w =(obj["xmax"]- obj["xmin"])/ width
    h =(obj["ymax"]- obj["ymin"])/ height
return x_center, y_center, w, h

defcopy_image(image_path, images_dst):
"""
    將圖像從原路徑復(fù)制到目標(biāo)路徑。

    參數(shù):
    - image_path (str): 原圖像路徑
    - images_dst (str): 目標(biāo)圖像路徑
    """
    image_name = os.path.basename(image_path)
    image_dst = os.path.join(images_dst, image_name)

ifnot os.path.exists(image_path):
print(f"原圖像路徑 '{image_path}' 未找到文件")
return

if os.path.exists(image_dst):
print(f"目標(biāo)路徑 '{image_dst}' 中已存在同名圖像文件")
return

try:
        shutil.copy(image_path, image_dst)
print(f"成功復(fù)制圖像 {image_name} 到目標(biāo)目錄")
exceptExceptionas e:
print(f"拷貝圖像時發(fā)生異常: {e}")

defwrite_txt_file(file_path, content):
"""
    創(chuàng)建或?qū)懭雰?nèi)容到.txt文件
    
    參數(shù):
    - file_path (str): 目標(biāo).txt文件路徑
    - content (str): 寫入文件的內(nèi)容
    """
try:
ifnot os.path.exists(file_path):
open(file_path,'w').close()# 創(chuàng)建空的目標(biāo)文件

withopen(file_path,"a")as f:
            f.write(content)
print(f"成功寫入文件 {file_path}")
exceptExceptionas e:
print(f"寫入文件時發(fā)生異常: {e}")


defprocess_VOC_data(root_dir, train_list_file, images_dst, labels_dst, classes_dict):
"""
    從VOC數(shù)據(jù)集中讀取訓(xùn)練列表文件，解析xml文件并將圖像復(fù)制到目標(biāo)目錄中，并將類別和bbox信息寫入標(biāo)簽文件中。

    參數(shù):
    - root_dir (str): VOC數(shù)據(jù)集的根目錄
    - train_list_file (str): 訓(xùn)練列表文件路徑
    - image_folder (str): 圖像文件夾的相對路徑
    - images_dst (str): 圖像目標(biāo)目錄
    - labels_dst (str): 標(biāo)簽?zāi)繕?biāo)目錄
    """
withopen(train_list_file,"r")as f:
        lines = f.readlines()
# 逐行讀取列表文件
for line in lines:
            line = line.strip()
            image_path, xml_path = line.split(" ")
# 獲取xml文件絕對路徑
            xml_path = os.path.join(root_dir, xml_path)
# 獲取image文件絕對路徑
            image_path = os.path.join(root_dir, image_path)

            width, height, objects = parse_xml(xml_path, classes_dict)

            copy_image(image_path, images_dst)

for obj in objects:
                label_name = os.path.splitext(os.path.basename(image_path))[0]+".txt"
                label_dst = os.path.join(labels_dst, label_name)
                yolo_format = convert_to_yolo_format(width, height, obj)
                content =f"{obj['label_index']} {yolo_format[0]} {yolo_format[1]} {yolo_format[2]} {yolo_format[3]}\n"
                write_txt_file(label_dst, content)

defread_classes(classes_file):
"""
    從類別文件中讀取類別名稱，并返回類別名稱與索引的映射字典。

    參數(shù):
    - classes_file (str): 類別文件路徑

    返回:
    - classes (dict): 類別名稱與索引的映射字典
    """
    classes ={}
withopen(classes_file,"r")as f:
        lines = f.readlines()
for index, line inenumerate(lines):
            class_name = line.strip()
            classes[index]= class_name
return classes

defgenerate_coco8_yaml_content(dataset_root, train_images, val_images, classes):
"""
    生成類似COCO8數(shù)據(jù)集配置文件的內(nèi)容
    
    參數(shù):
    - dataset_root (str): 數(shù)據(jù)集根目錄路徑
    - train_images (str): 訓(xùn)練圖像相對于根目錄的路徑
    - val_images (str): 驗(yàn)證圖像相對于根目錄的路徑
    - classes (dict): 類別名稱與索引的映射字典
    
    返回:
    - content (str): COCO8數(shù)據(jù)集配置文件內(nèi)容
    """
    content =f"path: ../datasets/{dataset_root} # dataset root dir\n"
    content +=f"train: {train_images} # train images (relative to 'path') 4 images\n"
    content +=f"val: {val_images} # val images (relative to 'path') 4 images\n"
    content +="test: # test images (optional)\n\n"
    content +="# Classes\n"
    content +="names:\n"

for index, class_name in classes.items():
        content +=f"  {index}: {class_name}\n"

return content

defwrite_yaml_file(file_path, content):
"""
    創(chuàng)建或?qū)懭雰?nèi)容到.yaml文件
    
    參數(shù):
    - file_path (str): 目標(biāo).yaml文件路徑
    - content (str): 寫入文件的內(nèi)容
    """
try:
ifnot os.path.exists(file_path):
open(file_path,'w').close()# 創(chuàng)建空的目標(biāo)文件

withopen(file_path,"w")as f:
            f.write(content)
print(f"成功寫入文件 {file_path}")
exceptExceptionas e:
print(f"寫入文件時發(fā)生異常: {e}")


if __name__ =="__main__":
# VOC數(shù)據(jù)集根目錄
    root_dir ="VOC"
    train_list_file = os.path.join(root_dir,"train_list.txt")
    test_list_file = os.path.join(root_dir,"val_list.txt")
    classes_file ="VOC/labels.txt"

# 設(shè)置轉(zhuǎn)換后YOLO的圖像和標(biāo)簽?zāi)夸?    dataset_root ="cabinet"
    train_images ="images/train"
    train_labels ="labels/train"
    val_images ="images/val"
    val_labels ="labels/val"
    yaml_file_name ="cabinet.yaml"

    images_dst_train = os.path.join(dataset_root, train_images)
    labels_dst_train = os.path.join(dataset_root, train_labels)

    images_dst_test = os.path.join(dataset_root, val_images)
    labels_dst_test = os.path.join(dataset_root, val_labels)

    yaml_file = os.path.join(dataset_root, yaml_file_name)

# 創(chuàng)建YOLO數(shù)據(jù)集目錄
    create_directories(dataset_root)
# 讀取類別文件
    classes = read_classes(classes_file)

# 轉(zhuǎn)換訓(xùn)練數(shù)據(jù)集
    process_VOC_data(root_dir, train_list_file, images_dst_train, labels_dst_train, classes)
# 轉(zhuǎn)換測試數(shù)據(jù)集
    process_VOC_data(root_dir, test_list_file, images_dst_test, labels_dst_test, classes)

# 生成COCO8.yaml文件

    content = generate_coco8_yaml_content(dataset_root, train_images, val_images, classes)
    write_yaml_file(yaml_file, content)

以上轉(zhuǎn)換后的數(shù)據(jù)，我也打包上傳到網(wǎng)盤，可直接使用。 網(wǎng)盤地址：https://pan.baidu.com/s/1DyoK7r_74OzrRdoogrtTKw?pwd=q4ww

模型訓(xùn)練

第一步：拷貝數(shù)據(jù)到Y(jié)OLO的datasets目錄下

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

第二步：拷貝cabinet.yaml文件到Y(jié)OLO的cfg\datasets目錄下

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

第三步：使用命令行訓(xùn)練模型

from ultralytics import YOLO
import cv2

model = YOLO("yolov8n.yaml")

if __name__ =='__main__':
    result = model.train(data="cabinet.yaml",
                        epochs=10,
                        imgsz=640,
                        device='cuda',# 設(shè)備類型，這里是使用CUDA加速
# batch=2,           # 批量大小
                        workers=8# 數(shù)據(jù)加載的工作進(jìn)程數(shù)
    )

訓(xùn)練時顯存占用情況

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

訓(xùn)練結(jié)果： 訓(xùn)練完畢后，在run\train*目錄下生成對應(yīng)的訓(xùn)練結(jié)果

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

查看其中的驗(yàn)證集顯示內(nèi)容，看起來結(jié)果是正常的

使用YOLO進(jìn)行目標(biāo)檢測-AI.x社區(qū)

由于時間原因，本次就沒有開發(fā)相關(guān)的前端頁面來進(jìn)行模型加載和圖片識別，但是可以想象：如果模型加載后同時開啟智能柜的攝像頭，那么就可以實(shí)時對售賣柜內(nèi)的商品進(jìn)行目標(biāo)檢測。

內(nèi)容小結(jié)

  • 目標(biāo)檢測理論

     a. 在計(jì)算機(jī)視覺領(lǐng)域中，常見的任務(wù)包括目標(biāo)檢測（detect）、圖像分類（classify）

     b. 目標(biāo)檢測輸入是一張圖像，輸出是圖像中檢測到的所有物體的邊界框和類別信息

     c. 目標(biāo)檢測在深度學(xué)習(xí)下有了新的發(fā)展，有??Anchor-based（基于錨框）???和??Anchor-free（無錨框）??兩種解決思路

     d. Anchor-based的核心思想是：??死框+修正量???，Anchor-free的核心思想是：??中心點(diǎn) + 四個方向的生長??

     e. 相對 Anchor-based 方法，Anchor-free 方法可能需要更多的訓(xùn)練數(shù)據(jù)和更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。

  • 目標(biāo)檢測使用

     a. 使用YOLO進(jìn)行目標(biāo)檢測后，結(jié)果保存在results中，results中有??cls???(物體類別)、??conf???(表示置信度)、??data??(詳細(xì)數(shù)據(jù)，如邊界框坐標(biāo)等)

     b. 如果要自定義數(shù)據(jù)集訓(xùn)練，可以按照coco8的目錄結(jié)構(gòu)和yaml文件準(zhǔn)備數(shù)據(jù)

     c. 訓(xùn)練數(shù)據(jù)集可以通過labelimg來進(jìn)行標(biāo)注，使用前需要建立獨(dú)立的虛擬環(huán)境

     d. 如果從網(wǎng)上下載的訓(xùn)練集是VOC格式，需要對其進(jìn)行轉(zhuǎn)換后訓(xùn)練?


本文轉(zhuǎn)載自公眾號一起AI技術(shù) 作者：熱情的Dongming

原文鏈接：??https://mp.weixin.qq.com/s/ZhO7bNRyRyfYq3ncpCcvJw???

?著作權(quán)歸作者所有，如需轉(zhuǎn)載，請注明出處，否則將追究法律責(zé)任
已于2024-12-31 14:30:48修改
贊
收藏
回復(fù)
舉報(bào)
回復(fù)
相關(guān)推薦