记一次简单的计算机视觉实战

一、前言

        前几天参考CV Zone - Computer Vision Zone的课程做了一个基于opencv的手势识别项目，使用的是已经训练好的模型，缺少一些乐趣。故决定自己搭建一个深度学习环境，用yolov5训练自己的数据集，实现一些简单的目标检测。  

二、开发环境搭建

1.本机配置

        

 可以看到CPU是AMD Ryzen9 4900H ，显卡是RTX2060，最高支持的CUDA版本是11.4

2.安装Anaconda

        Anaconda是一个开源的python发行版，带有很多python包，而且方便管理，用它来配置开发环境很方便。用Anaconda配置pytorch环境时它会自动帮我们安装好cuda和cudnn，免去NVIDIA官网下载cuda安装程序和cudnn压缩包的麻烦

        我们可以在anaconda的官网下载最新的Anaconda版本并安装。Anaconda | The World's Most Popular Data Science Platform

3.安装pytorch环境

        打开Anaconda Prompt，创建环境。

conda create -n pytorch python=3.8

        激活环境

conda activate pytorch

        安装pytorch

        由于anaconda默认的源在国外，安装过程中可能会遇到麻烦，我们将源换为国内源。具体参考anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror       

        进入pytorch官网，PyTorch

         复制上图这段命令，在anaconda prompt执行，等待安装完成。

4.安装IDE

        pycharm是一款非常好用的IDE，专为python打造。jetbrains提供了免费的社区版。

        选择刚才安装好的环境。

 新建一个python文件并执行，可以验证cuda和cudnn已经安装完成，显示出了安装版本信息。

​​import torch

print(torch.cuda_version)
print(torch.backends.cudnn.version())

 三、建立数据集

        labelimg是一款数据集标注工具，可以将标注的数据保存成不同格式。通过cmd执行命令来安装

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

         然后在项目的目录里创建这样的文件结构

         imgs里保存要标注的图片，labels里存放标注好的文件，class.txt里写入系列名称。这里我只建立了一个系列fire。可以根据需要创建多个。

         cmd进入dataset目录，执行命令开始标注

        ctrl+u打开图片所在的imgs目录，ctrl+r选择数据保存的目录，w开启框选工具，a和d选择上一张和下一张，可以在view里面打开自动保存等功能。 由于下一步要使用yolov5进行训练和预测，这里将保存的格式设置成了yolo。

        标注完成后将imgs和labels按自己喜欢的比例分配到train和val里就可以了，分别是训练模型时要用到的训练集和验证集，目录结构如下。

        

四、训练模型

1.源码克隆

        在github克隆yolov5的源码https://github.com/ultralytics/yolov5/tree/v5.0，放到自己项目的文件夹里。

        完成后的目录：

2.安装所需的环境

        所需的环境全部写在requirements.txt里面，可以通过pycharm里的terminal执行命令来安装。

pip install -r requirements.txt

        本人在安装pycocotools时遇到了一些问题，参考这篇博客得到了解决。

PackagesNotFoundError的处理技巧_loft_的博客-CSDN博客_packagesnotfounderror用conda安装package时报错“PackagesNotFoundError：The following packages are not available from current channels:…”博主安装profiling包时也遇到过这个问题，希望将小技巧分享给大家。问题背景：当输入conda install profiling后，报错解决办法：运行命令：anacond...https://blog.csdn.net/loft_/article/details/105327425

3.获得预训练权重

        在这个网址下载预训练权重，放到weights文件夹下。

https://github.com/ultralytics/yolov5/releases

4.修改yaml文件

        

         修改data下的voc.yaml这里将文件的第10行注释掉，在第13，14行填入train和val的目录地址，17行后面填入要识别的系列数，20行为系列名。这里只有一个系列fire，故系列数为1。

         

         修改models下的yolov5s.yaml文件，同样，更改第2行为自己要实现的系列数，本人改成了1。

5.开始训练

        更改train.py里面的一些参数。

        

        在此处分别填入预训练权重和刚刚更改的yaml文件路径。

         

        训练的轮数，默认为300，根据需要进行修改

        

        

        喂入批次文件的多少和最大工作核心数，根据自己设备的配置自行修改即可。

        然后运行train.py，训练开始。

        如果在训练时IDE报错，请参考目标检测---教你利用yolov5训练自己的目标检测模型_didiaopao的博客-CSDN博客

        训练过程中，我们可以用tensorboard来查看训练情况。在terminal中输入。

tensorboard --logdir=runs/train

        或者在训练完后输入

tensorboard --logdir=runs

        

        本人标注了近2000组数据，从凌晨1点训练到早上9点，训练了650轮，可以看到拟合精度总体呈上升趋势。期间GPU负荷控制在50%左右，风扇声音比较吵。

        训练完成后，项目目录下会生成一个runs\train\exp文件夹，其中weights下保存有最好的一个权重和最后一次的权重。还有其自动生成的数据信息。

五、用训练的模型进行推理

        打开detect.py传入训练好的权重。

parser.add_argument('--weights', nargs='+', type=str, default='runs/train/exp/weights/best.pt', help='model.pt path(s)')

        这里使用了训练好的那个最好的权重。

        设置要处理的图片或视频的路径。

parser.add_argument('--source', type=str, default='C:/Users/Porridge/Desktop/66.mp4', help='source') 

        图片或视频均可，这里我选择了桌面上的一个视频。

        运行detect.py

        运行完毕后，生成的图片或视频会保存在runs/detect/exp下

        可以看到，在进行几百轮的训练之后，模型已经可以做出比较正确的推理。