睿智的目标检测10——先验框详解及其代码实现

睿智的目标检测10——先验框详解及其代码实现

  • 学习前言
  • 什么是先验框
  • 先验框的获得
    • 1、yolo2先验框
    • 2、yolo3先验框

学习前言

最近开始重新看看目标检测,感觉有很多坑还不懂,就从先验框开始吧。
在这里插入图片描述

什么是先验框

在目标检测中,常常有先验框的一个概念,不管是SSD还是yolov2和yolov3都用到了先验框。

简单的一句话来讲,先验框就是帮助我们定好了常见目标的宽和高,在进行预测的时候,我们可以利用这个已经定好的宽和高处理,可以帮助我们进行预测

在进行训练的时候呢,我们也要利用到先验框进行y_true的处理,找到ground truth在图片中对应着哪个网格点。

怎么理解这个先验框呢,我们可以从目标检测的原理出发,以yolov2为例。

yolov2是将图片分成了13x13个的网络点,然后对应着169个网络点,每个网络点负责一块区域的检测。
在这里插入图片描述
对于yolov2而言,如果检测时coco数据集,那么它的输出就是(13,13,(80+5)*5),对应着13x13个的网络点,每个网络点上有五个先验框,每个先验框里面有85个参数,分别对应着x_offset、y_offset、h和w、置信度、分类结果。

先验框的作用就是辅助处理x_offset、y_offset、h和w

yolov2的解码过程就是将每个网格点加上它对应的x_offset和y_offset,加完后的结果就是预测框的中心,然后再利用 先验框和h、w结合 计算出预测框的长和宽。这样就能得到整个预测框的位置了。

结合代码理解的更清楚噢:

# 偏移量、置信度、类别
# 中心坐标相对于该cell坐上角的偏移量,sigmoid函数归一化到(0,1)
# [batch,169,5,2]
xy_offset = tf.nn.sigmoid(net[:, :, :, 0:2])
wh_offset = tf.exp(net[:, :, :, 2:4])
obj_probs = tf.nn.sigmoid(net[:, :, :, 4])
class_probs = tf.nn.softmax(net[:, :, :, 5:])  
# x_cell和y_cell是网格分割中心
# xy_offset是相对中心的偏移情况
bbox_x = (x_cell + xy_offset[:, :, :, 0]) / 13
bbox_y = (y_cell + xy_offset[:, :, :, 1]) / 13
bbox_w = (self.anchor_size[:, 0] * wh_offset[:, :, :, 0]) / 13
bbox_h = (self.anchor_size[:, 1] * wh_offset[:, :, :, 1]) / 13

先验框的获得

在寻常的kmean算法中,使用的是欧氏距离来完成聚类,但是先验框显然不可以这样,因为大框的欧氏距离更大,yolo2使用的是处理后的IOU作为欧氏距离。
d i s t a n c e ( i , c e n t e r ) = 1 − I O U ( i , c e n t e r ) distance(i,center) = 1 - IOU(i,center) distance(i,center)=1IOU(i,center)
处理后的IOU其实指的是每个聚类中心与其它的框的重合程度,如果单用IOU(i,center)的话,就是IOU(i,center)越大重合度越高,我们是希望重合度越高距离越短,这样才可以kmeans聚类,所以不可以直接使用IOU(i,center),所以应当为其取负号后加上1。

1、yolo2先验框

实现代码如下:

import numpy as np
import xml.etree.ElementTree as ET
import glob
import random

def cas_iou(box,cluster):
    x = np.minimum(cluster[:,0],box[0])
    y = np.minimum(cluster[:,1],box[1])

    intersection = x * y
    area1 = box[0] * box[1]

    area2 = cluster[:,0] * cluster[:,1]
    iou = intersection / (area1 + area2 -intersection)

    return iou

def avg_iou(box,cluster):
    return np.mean([np.max(cas_iou(box[i],cluster)) for i in range(box.shape[0])])


def kmeans(box,k):
    # 取出一共有多少框
    row = box.shape[0]
    
    # 每个框各个点的位置
    distance = np.empty((row,k))
    
    # 最后的聚类位置
    last_clu = np.zeros((row,))

    np.random.seed()

    # 随机选5个当聚类中心
    cluster = box[np.random.choice(row,k,replace = False)]
    # cluster = random.sample(row, k)
    while True:
        # 计算每一行距离五个点的iou情况。
        for i in range(row):
            distance[i] = 1 - cas_iou(box[i],cluster)
        
        # 取出最小点
        near = np.argmin(distance,axis=1)

        if (last_clu == near).all():
            break
        
        # 求每一个类的中位点
        for j in range(k):
            cluster[j] = np.median(
                box[near == j],axis=0)

        last_clu = near

    return cluster

def load_data(path):
    data = []
    # 对于每一个xml都寻找box
    for xml_file in glob.glob('{}/*xml'.format(path)):
        tree = ET.parse(xml_file)
        height = int(tree.findtext('./size/height'))
        width = int(tree.findtext('./size/width'))
        # 对于每一个目标都获得它的宽高
        for obj in tree.iter('object'):
            xmin = int(float(obj.findtext('bndbox/xmin'))) / width
            ymin = int(float(obj.findtext('bndbox/ymin'))) / height
            xmax = int(float(obj.findtext('bndbox/xmax'))) / width
            ymax = int(float(obj.findtext('bndbox/ymax'))) / height

            xmin = np.float64(xmin)
            ymin = np.float64(ymin)
            xmax = np.float64(xmax)
            ymax = np.float64(ymax)
            # 得到宽高
            data.append([xmax-xmin,ymax-ymin])
    return np.array(data)


if __name__ == '__main__':
    anchors_num = 5
    # 载入数据集,可以使用VOC的xml
    path = r'D:\Study\Collection\yolo_Collection\keras-yolo3-master\ThreeSign-yolo3-master\VOCdevkit\VOC2012/Annotations'
    
    # 载入所有的xml
    # 存储格式为转化为比例后的width,height
    data = load_data(path)
    
    # 使用k聚类算法
    out = kmeans(data,anchors_num)
    out = out[np.argsort(out[:,0])]
    print('acc:{:.2f}%'.format(avg_iou(data,out) * 100))
    print(out*13)

结果是:

acc:61.32%
[[ 0.572       1.00533333]
 [ 1.378       2.32266667]
 [ 2.6         5.06133333]
 [ 5.304       8.008     ]
 [10.608      10.79      ]]

是不是和yolo2中所用的先验框很相似呢?
睿智的目标检测10——先验框详解及其代码实现_第1张图片

2、yolo3先验框

如果我们把主函数改称这样,聚类9个中心点,其实就是yolo3的先验框结构:

if __name__ == '__main__':
    anchors_num = 9
    # 载入数据集,可以使用VOC的xml
    path = r'D:\Study\Collection\yolo_Collection\keras-yolo3-master\ThreeSign-yolo3-master\VOCdevkit\VOC2012/Annotations'
    
    # 载入所有的xml
    # 存储格式为转化为比例后的width,height
    data = load_data(path)
    
    # 使用k聚类算法
    out = kmeans(data,anchors_num)
    out = out[np.argsort(out[:,0])]
    print('acc:{:.2f}%'.format(avg_iou(data,out) * 100))
    print(out*416)

输出就是:

acc:67.15%
[[ 14.144  18.304]
 [ 23.296  49.088]
 [ 44.928  92.352]
 [ 47.424  31.616]
 [ 81.536 154.752]
 [ 95.68   73.216]
 [143.104 230.464]
 [222.976 131.456]
 [301.184 274.56 ]]

是不是与yolo3的先验框很相似呢?不过这是基于voc2012的,和coco不同。

10,13, 
16,30,  
33,23,  
30,61,  
62,45,  
59,119,  
116,90,  
156,198,  
373,326

你可能感兴趣的:(睿智的目标检测,先验框详解,代码实现,目标检测)