手把手教学Yolo3的安装和实现

Yolo的环境

我写下我的环境
win10
python 3.6.4
tensorflow 1.8.0
tensorllow-gpu 1.8.0
cudatoolkit 9.0
cudnn 7.1.4
最好是使用anaconda进行环境配置
配置完后下载yolov3，
地址 https://github.com/qqwweee/keras-yolo3
导入我们配置的环境就可以直接用了，但是如果想训练自己的模型的话最好还是使用darknet.weight 地址 https://pjreddie.com/media/files/darknet53.conv.74
下载完之后更改名字，改为darknet53.weights
放入到yolo的根目录，这个时候先不要着急，跟目录里还有一个配置文件darknet53.cfg
打开这个文件，会发现有很多可以配置的东西：

这里会发现有很多我们看的懂的或者看不懂的参数，不过都没关系，重点是batch和subdivisions两个数，分别改成64和16，如果想看具体的解释可以参照这篇文章https://blog.csdn.net/phinoo/article/details/83022101

这个时候执行python convert.py -w darknet53.cfg darknet53.weights model_data/darknet53_weights.h5
这样就能生成一个darknet53_weights.h5文件，我们训练的时候就用这个

数据集的预处理

在目录里有一个这样的文件voc_annotation.py，它是用来转换xml文件变为text文件的，那么xml文件是什么呢，首先yolo3是用来进行进行图像识别的（我感觉是），那么给你五万个数据，你想让程序直接识别出来是不可能的，这个时候你就需要给它先标注个1000张（具体情况具体分析），让他学习一下，我这里的例子是人民币编码的识别，一共九种面值，这样

我觉得他们是一类，所以就没有标注那么多，这里说一下标注工具：labelimage， https://download.csdn.net/download/qq_39226755/11562443

用起来也比较简单，设置导入导出目录，然后就可以点那个Creat RectBox创建标注框了，快捷键是W，下一张图片的快捷键是D。
创建完之后生成了许多的xml文件，打开是这个样子，到时候用脚本将里边的信息提取出来，包括图片目录，四个方向的坐标，还有类别。

当我们训练的时候，导入的txt文件的格式应该是这个样子：
图片地址 x_min,y_min,x_max,y_max,类别序号
如果有很多类就在后边叠加，不过得用空格隔开
我整理成了这个样子：

因为我只有一个类别，所以最后那个都是0，我的脚本里甚至都没有提取类别，因为每个人的需求都不一样，最好是从官方给的文件上改，不然越改越乱，我这里把自己的脚本粘贴出来，用作参考：

import xml.etree.ElementTree as ET

xml_dir = 'H:\data\RMB\class_train_data\\xml_data'


def convert_annotation(xml_dir, image_id, list_file): #对每个XML文件的信息进行提取
    in_file = open('{0}/{1}'.format(xml_dir, image_id))
    tree=ET.parse(in_file)
    root = tree.getroot()
    path = root.find('path').text
    list_file.write(path)
    error_bool = False
    for obj in root.iter('object'):
        xmlbox = obj.find('bndbox')
        b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text))
        if len(b)!=4:
            error_bool = True
        list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(0))
    return error_bool

import os
lists = os.listdir(xml_dir)
list_file = open('RMB_train.txt', 'w')
for xml in lists:
    error_bool = convert_annotation(xml_dir,xml,list_file)
    list_file.write('\n')
list_file.close()

if error_bool == False:#检查数据是否由五个数构成 xmin,ymin,xmax,ymax,class
    print('转换成功!')
else:
    print('出错啦！')

训练模型

训练模型的话要找到train.py这个文件，这里说一下我训练时会经常用到的参数，

    annotation_path = 'train.txt'
    log_dir = 'logs/000/'
    classes_path = 'model_data/voc_classes.txt'
    anchors_path = 'model_data/yolo_anchors.txt'

首先是这四个，
annotation_path就是你刚刚用脚本转化过来的训练集txt文件
log_dir这个要放好，你训练的时候他会生成一些日志和模型（可以当做是备份），你最后训练好的模型也会放到这个目录里
classes_path 就是你训练集的类别，看一看这个文件就知道怎么写了，把你的类放进去就行了，我就一个类所以就写了一行

bianma

anchors_path 这里有两个选择，一个是tiny版，六类锚生成，一个是正常版有九类锚，当然是九个的比六个的效果好，但是六个的比九个的快一点，就是这么个样子，你要是问我锚是啥，这个就不好解释了，可以去了解一下Yolo3的原理
input_shape = (416,416) 输入的尺寸，到时候会把你的图片自动调成这个尺寸，没啥事最好就不改了，要改的话最好是32的倍数

    if is_tiny_version:
        model = create_tiny_model(input_shape, anchors, num_classes,
            freeze_body=2, weights_path='model_data/tiny_yolo_weights.h5')
    else:
        model = create_model(input_shape, anchors, num_classes,
            freeze_body=2, weights_path='model_data/yolo_weights.h5')

下边是这个，这是两个版本，因为锚的数量不同，导入的模型也不同，需要注意的是freeze_body，weights_path两个参数，
我们先讲一下yolo的模型，yolo一共252层，如果freeze_body设置为1，那么他训练的时候就会将前185层冻结起来，意思就是你只能训练185层之后的参数，如果设置为2，那么就只会解冻后三层，只用后三层来训练，当然也可以设置成其他数，那就是全部解冻，不过这样不可靠，后边官方是给了全部解冻的代码的。
weights_path是你之前生成的darknet53_weight.h5的地址，如果你想要的在其他模型上训练，也可以改成其他模型的地址，比如你训练过一次的模型，你想再训练一次
val_split 表示验证集所占的比例，如果你的训练集不多的话就是0.1就好了，如果多的话可以设成0.3。
再往后有两个if语句：

    if True:
        model.compile(optimizer=Adam(lr=1e-3), loss={
            # use custom yolo_loss Lambda layer.
            'yolo_loss': lambda y_true, y_pred: y_pred})

        batch_size = 32
        print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
        model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
                steps_per_epoch=max(1, num_train//batch_size),
                validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors, num_classes),
                validation_steps=max(1, num_val//batch_size),
                epochs=50,
                initial_epoch=0,
                callbacks=[logging, checkpoint])
        model.save_weights(log_dir + 'trained_weights_stage_1.h5')

其实差不多，两个不要都设置成True，前一个是用来做迁移训练的，也就是只训练一部分，后一个是重新训练，它把所有的层都解冻了，因为这行代码，要是显卡够用可以爽一爽

        for i in range(len(model.layers)):
            model.layers[i].trainable = True

顺便说一下上边的参数，
optimizer=Adam(lr=1e-3)这里边是学习率，只需要改lr参数就行1e-3是科学计数法0.001，要随着训练减小学习率，多次训练的话可以试着在后边多叠加几次这几行代码
batch_size是一批次多少个图片的意思，也就是想同时训练多少个图片，如果显卡不够可以减小这个
steps_per_epoch，validation_steps是指一轮中要训练多少批
epochs是要训练几轮，训练一下就知道啥意思了
initial_epoch是从第几轮开始，感觉没啥实际意义
到后边就没啥了，不过我觉得这部分有点瑕疵，就是只能看日志来确定训练的好不好，一点都不直观，我给他加了一个方法：

import matplotlib.pyplot as plt
def show_history(history,log_dir,pic_name):

    loss = history.history['loss']
    val_loss = history.history['val_loss']
    epochs = range(1, len(loss) + 1)
    # 损失
    plt.figure(0)
    plt.plot(epochs, loss, 'bo', label='Training loss')
    plt.plot(epochs, val_loss, 'b', label='Validation loss')
    plt.title('Training and validation loss')
    plt.legend()
    plt.savefig('{0}{1}.png'.format(log_dir,pic_name))
    plt.show()

这样就可以把结果画出来了，用的时候这么用

    if is_retrain == False :
        model.compile(optimizer=Adam(lr=1e-5), loss={
            # use custom yolo_loss Lambda layer.
            'yolo_loss': lambda y_true, y_pred: y_pred})

        batch_size = 16
        print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
        history = model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
                steps_per_epoch=max(1, num_train//batch_size),
                validation_data=data_generator_wrapper(lines[num_train:], batch_size, input_shape, anchors, num_classes),
                validation_steps=max(1, num_val//batch_size),
                epochs=30,
                initial_epoch=0,
                callbacks=[logging, checkpoint])
        model.save_weights(log_dir + 'trained_weights_stage_1.h5')
        show_history(history,log_dir,'model1')

这样我们就能看到结果了

看到它在进步是不是很开心哈哈哈哈啊哈哈哈

最后在日志里生成很多文件，如下：

进行识别

Yolo分为图片识别和视频识别，我们需要用到yolo.py 和yolo_video.py两个文件
理论上这些东西都是用CMD来进行使用的，但是我觉得字有点多，我就喜欢鼠标点点点，所以需要从文件里改东西，打开yolo_video.py从里边找到这段代码：

    parser.add_argument(
        '--image', default=False, action="store_true",
        help='Image detection mode, will ignore all positional arguments'
    )

这在问你需要什么模式，我要识别图片，这里默认的False，所以要改成Ture，这样就能直接用来识别图片了
这时候再打开yolo.py
直接就能看到这些参数

        "model_path": 'model_data/yolo.h5',
        "anchors_path": 'model_data/yolo_anchors.txt',
        "classes_path": 'model_data/coco_classes.txt',
        "score" : 0.3,
        "iou" : 0.45,
        "model_image_size" : (416, 416),
        "gpu_num" : 1,

model_path是你之前训练好的模型
score是分数线（我是这么想的），当你识别物体的时候，高于这个分的他会给你显示出来，低于这个分的就会屏蔽掉了，是不是很像分数线
iou你预测矩形框和真实目标的交集与并集之比，越大越好
有时候你测不出来东西，就把这两个数调小一点就出来了
然后直接运行yolo_video.py就行了，一会会让你输入图片地址，你输入一个，它测试一个，有需求的话就要自己改一下代码了，不要把结果想的太好
我最后识别出来的图片是这样的，因为我已经把代码改的有点面目全非了，所以用labelimage形容一下：



怎么说呢，我总结了一下原因：
1.我训练集标的不标准
2.我训练集数量太少了
3.这是文字，特征不太统一
4.这是yolo，当然没有faster r-cnn准啦

不过也不是不能用，我将结果处理了一下还是能用的：


很神奇对不对，要问我怎么做的，我才不告诉你。