安全帽佩戴检测赛:基于YOLOv3进行训练

一、YOLO v3简介

YOLO v3可以说是当前目标检测算法的集大成者,速度和精度都达到了不错的水准。不了解的同学可以看一下吴恩达的深度学习中有关YOLO的讲解,然后在读一下这个博客,写的很详细。

最近一直热衷于AI研习社的比赛,对是新手练习实操很友好。在这里取得了一些不错的排名,比赛结束不仅达到比赛要求分数的参赛者可以获得一定数量的奖金,官方还会放出排名优秀者的源码,真是太贴心了。在此安利一波。下图是我的比赛收益情况,由于本人时间有限,而且跑模型时间太过漫长,所以并没有太过投入,主要目的是动手实践,如果有感兴趣的朋友,可以一起组队参赛,共同进步。

二、本次比赛简介

本次比赛介绍链接:https://www.yanxishe.com/blogDetail/14905
比赛地址:https://god.yanxishe.com/12

简介
训练集共6057张图片,包含工地照片、某大学监控视频图片、普通场景照片
任务:正确识别图片中人物是否佩戴安全帽
结果文件如下所示:
第一个字段位:测试集图片ID
第二个字段:图片种佩戴安全帽人员数量
第三个字段:图片中没有佩戴安全帽人员数量


安全帽答案示例.png

四、YOLO v3训练详解

4.1 运行环境

  • ubuntu18.84
  • Python==3.7
  • pytorch==1.3

4.2 制作数据集

首先下载github上的yolo源码,然后从比赛链接下载数据集。



源码大体上上图是这样的,稍有不同也没关系,因为有些文件是我训练时生成的,有些是我自己添加的,后面都会介绍到。


下载下来的数据集只有label、test、train三个文件夹。剩下的文件同样或者添加的或者生成的,后面会介绍。

  • 第一步:

先看一下训练介绍:https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data

该教程要求把数据放在主目录下的coco文件夹下,图片和文本按此路径以及格式放置。
好了,现在我们在主目录创建文件夹coco,然后点开,再分别创建imges>val2014,labels>val2014,
将下载下来的train文件夹里的图片放入images>val2014里面。

  • 第二步:


    由于我们数据集的labels是xml文件类型,而此工程要求的是txt格式的label,所以需要进行转换。
    在下载的数据集文件夹里创建voc_label.py,写入一下代码,运行得到一个labels文件夹,里面包含了txt格式的标签文件。

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets=['train', 'val']  #替换为自己的数据集
classes = ["person", "hat"]     #修改为自己的类别
def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    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('label/new_%s.xml'%(image_id)) 
    out_file = open('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()
for image_set in sets:
    if not os.path.exists('labels'):
        os.makedirs('labels')
    image_ids = open('%s.txt'%(image_set)).read().strip().split()
    list_file = open('%s.txt'%(image_set), 'w')
    for image_id in image_ids:
        list_file.write('train/%s.jpg\n'%(image_id))
        convert_annotation(image_id)
    list_file.close()

最后,labels里面的文本复制入labels>val2014里面。至此我们的数据算准备好了。

未完待续。。。。

https://www.jianshu.com/p/55bd49c22cf4

Python量化投资网携手4326手游为资深游戏玩家推荐:《《我的世界》x电影《攀登者》,致敬创造者,致敬攀登精神!

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论