目标检测第6步-使用keras版RetinaNet训练

读者可以加QQ群解决此篇文章复现遇到的问题，群号：111958809

致谢声明

1.本文学习fizyr的github工程《keras-retinanet》，此github工程链接：https://github.com/fizyr/keras-retinanet
此链接中已经具备充分且详细的工程使用指导，本文在此基础上实现数据准备部分的csv文件生成、利用检测模型实现视频检测效果这2个功能。

0.配置代码运行环境

0.1 硬件配置要求

所有的目标检测工程都需要有较大显存的显卡才能够运行，本文作者在编写此文时使用的是8GB显存的RTX2070显卡。
本文作者没有测试6GB显存的显卡是否能运行此工程，读者可以自己尝试。
只有Nvidia品牌的显卡可以运行深度学习，AMD品牌的显卡不可以运行深度学习。
那么Nvidia品牌具有8GB显存的最低价格显卡的型号为GTX1070。
如果购买资金充足，建议购买GTX1080Ti，此版本已经停售，市面上可购二手，11G显存可以运行绝大多数的目标检测算法模型。
如果购买资金不足，最少也得购买GTX1070，否则可能无法继续本文下面的实验。
如果没有nvidia显卡，但有visa信用卡，请阅读我的另一篇文章《在谷歌云服务器上搭建深度学习平台》，链接：https://www.jianshu.com/p/893d622d1b5a

0.2 软件配置要求

各种软件版本：
操作系统：Windows10
Anaconda ：5.2
python ： 3.6
CUDA ：9.0
cudnn ：7.3
tensorflow_gpu ：1.10
Keras ：2.2.4
有显卡之后需要配置深度学习环境，请阅读我的另一篇文章《深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233

1.数据准备

1.1 数据下载

如果读者有自己已经使用labelImg软件标注好的数据，可以直接跳到1.4节图片压缩。
本文作者给读者演示的图片数据是来自ImageNet中的鲤鱼分类。
数据集压缩文件n01440764.tar下载链接: https://pan.baidu.com/s/1NksESNqBX--YqMJ4zptGdw 提取码: 6p3u
在桌面新建文件夹keras_RetinaNet，把下载好的压缩文件n01440764.tar放到其中，如下图所示：

image.png

选择 提取到n01440764，如下图所示：

image.png

解压完成后，桌面的文件夹 keras_RetinaNet中的情况，如下图所示：

image.png

1.2 选择像素足够的图片

在此数据集中，大部分图片都较为清晰，但是有极少数图片像素点少，不清晰。
像素点少的图片不利于模型训练或模型测试，所以在本章节中实现用python代码选出部分图片文件。
下载代码文件01_selectImages.py，链接: https://pan.baidu.com/s/1wfUnxYeZ1nJ1jk7G_4oQFQ 提取码: gdek
把代码文件01_selectImages.py放到文件夹keras_RetinaNet中，如下图所示：

image.png

在文件夹 keras_RetinaNet中运行cmd，即在Windows资源管理器的路径处输入 cmd，按Enter键运行，如下图所示：

image.png

在cmd中运行命令 python 01_selectImages.py -d n01440764，如下图所示：

image.png

运行命令完成后，桌面的文件夹 keras_RetinaNet中的情况，如下图所示：

image.png

1.3 图片数据标注

使用打标签工具LabelImg，下载页面链接：https://tzutalin.github.io/labelImg
如果下载页面链接没法访问，也可以从百度云盘中下载。
百度云盘下载链接：https://pan.baidu.com/s/1jVmkLxqQMZNJIzyv75HilA 提取码：yysh
下载页面如下图所示：

image.png

选择下载Windows_v1.8.0，如下图中红色箭头标记处所示：

image.png

把压缩文件 windows_v1.8.0.zip放到D盘根目录中，选择 解压到当前文件夹。
解压后D盘根目录下会有 windows_v1.8.0文件夹，LabelImg软件在文件夹中。
选择D盘根目录的原因：如果windows_v1.8.0文件夹路径中带有中文，打开LabelImg软件会 闪退。
打开 LabelImg软件，点击下图红色箭头标记处。

image.png

在打开的软件界面，点击 Open Dir按钮，如下图红色箭头标注处所示。

image.png

首先打开桌面的文件夹 keras_RetinaNet，在选中文件夹 01_selectedImages的情况下，点击下图红色箭头标记处所示的 选择文件夹按钮。

image.png

在输入法为英文输入的情况下，按 键盘上的w键则可以开始绘制方框，方框会框住图片中的物体。
完成绘制方框后，还需要为方框标上类别，如下图所示。
注意：每完成一张图的打标签，一定要记得 保存！！！

image.png

在本文演示中，需要给图片中的 鲤鱼和 人脸2个类别打标签。
鲤鱼的标签名叫做fish，人脸的标签名叫human_face，打标签的结果如下图所示。
注意：用方框框住物体时，尽量框住物体的所有部位，例如本文中的鱼，鱼鳍是一个重要特征。保证框住物体所有部位的情况下，也不要使方框四周留出过多空白。

image.png

遇到特征不明显的图片，可以放弃为此图片打标签，举例如下图所示：

image.png

为200张图片打标签，本文作者共花费90分钟。
本文作者提供200张已经标注的图片，便于读者直接复现。
压缩文件 01_selectedImages.zip下载链接: https://pan.baidu.com/s/1YhLmY-IPpVmyFC4PUjSg_A 提取码: imv4
把压缩文件 01_selectedImages.zip复制到桌面的文件夹 keras_RetinaNet中，并选择 提取到01_selectedImages。
完成压缩文件的解压后，桌面的文件夹 keras_RetinaNet中的情况，如下图所示：

image.png

1.4 检查标注数据

下载代码文件02_selectImages.py，链接: https://pan.baidu.com/s/17GAz2eF4sta8pQrNRDlDUQ 提取码: yxjm
把代码文件02_selectImages.py放到桌面的文件夹keras_RetinaNet中。
在文件夹keras_RetinaNet中运行cmd，即在Windows资源管理器的路径处输入cmd，按Enter键运行。
在cmd中运行命令python 02_checkAnnotations.py -d 01_selectedImages，如下图所示：

image.png

1.5 划分训练集和测试集

下载代码文件03_xml2csv.py，链接: https://pan.baidu.com/s/1cygU3AfkPmF3gmCmdlU1oQ 提取码: amja
把代码文件03_xml2csv.py放到桌面的文件夹keras_RetinaNet中。
在文件夹keras_RetinaNet中运行cmd，即在Windows资源管理器的路径处输入cmd，按Enter键运行。
在cmd中运行命令python 03_xml2csv.py -d 01_selectedImages，如下图所示：

image.png

运行命令完成后，桌面的文件夹 keras_RetinaNet中的情况，如下图所示：

image.png

2.模型训练

2.1 下载并安装Microsoft C++ build 14.0

只有先安装C++的编译工具，才能在Windows系统上安装keras_retinanet库。
首先下载Microsoft C++ build 14.0，链接:https://go.microsoft.com/fwlink/?LinkId=691126
文件只有3M左右大小，下载完成如下图所示。

image.png

打开安装文件 visualcppbuildtools.exe，初始化安装程序，如下图所示：

image.png

安装类型选择 自定义，然后点击 下一步，如下图红色箭头标记处所示。

image.png

选择功能只勾选 Windows 10 SDK 10.0.10240，然后点击 下一步，如下图所示：

image.png

点击下图红色箭头标记处所示的 安装按钮，则开始安装。

image.png

安装过程中截图，如下图所示：

image.png

完成安装后，点击 关闭即可。

2.2 下载并安装keras_retinanet库

github工程网页链接：https://github.com/fizyr/keras-retinanet
选择Download ZIP下载工程压缩文件keras-retinanet-master.zip，如下图所示：

image.png

把压缩文件 keras-retinanet-master.zip复制到桌面的文件夹 keras_RetinaNet中，并选择 解压到当前文件夹。
完成压缩文件的解压后，桌面的文件夹 keras_RetinaNet中的情况，如下图所示：

image.png

在文件夹 keras-retinanet-master中运行cmd，即在Windows资源管理器的路径处输入 cmd，按Enter键运行，如下图所示：

image.png

在cmd中运行命令 pip install .，如下图所示。
出现下图红色箭头标记处所示信息，则表示已经成功安装keras_retinanet库。
如果不成功，请再次确认cmd是否处于文件夹 keras-retinanet-master路径，如下图红色划线处所示。

image.png

2.3 开始训练

在文件夹keras_RetinaNet中运行cmd，即在Windows资源管理器的路径处输入cmd，按Enter键运行，如下图所示：

image.png

在cmd中运行命令 retinanet-train ...，如下图所示。