[YoLoV3目标检测实战] keras+yolov3训练自身口罩检测数据集

一、环境要求

    Python： 3.7.4
    Tensorflow-GPU 1.14.0
    Keras: 2.2.4

 

我们首先要搭建好GPU的环境。有了GPU的环境，才能跑得快！！！

这里在ubuntu18.04系统上搭建环境，执行以下命令

sudo pip3 install  tensorflow-gpu==1.14.0

sudo pip3 install keras==2.2.4

 

验证一下是否可以正常使用gpu加速：

python

import tensorflow as tf

sess = tf.Session()

看到下面的画面，即正常加载gpu了，环境搭建就差不多完成了！

二、数据集

我们既然要做目标检测，怎么能没有数据集呢？数据集是驱动模型的动力！

这里利用labelImg工具来标注图片，生成对应的xml文件，具体详情看图。

标记好的xml会保存你的矩形框位置，以及类别。

接下来，你就是工具人，请疯狂标注你的数据吧。

三、YoLoV3讲解

在正式开始源码之前，还是稍微讲解一下YoLov3。虽然可能一遍看不懂，两遍看不懂，三遍看不懂，只要你不放弃，总会有看懂的一天的。

其实，你要读懂YoLov3，你就要去了解目标检测的发展史，去看one-stage，two-stage算法。去看YoLov3的前辈们。这里我相信你们都看过，没看过也不怕，光脚的不怕穿鞋的！

直接放YoLoV3的网络结构图，让我们稍微看一下YoLov3的网络结构。

YoLoV3网络主要分成两大部分：

    1.主干网络 DarkNet53

    2.多尺度预测

1.主干网络DarkNet53

首先是主干网络DarkNet53，结合网络图我们看到它主要是使用了残差块Residual block，这里残差块就是进行一次3X3、步长为2的卷积，然后保存该卷积layer，再进行一次1X1的卷积和一次3X3的卷积，并把这个结果加上layer作为最后的结果.

此外，主干网络DarkNet53每一个卷积使用了特有的DarkNetConv2D结构，这里的DarkNetConv2D是指每一次卷积的时候进行l2正则化，完成卷积后进行BatchNormalization标准化与LeakyReLU。

2.多尺度预测

在多尺度预测部分，可以从网络结构图中看到yolov3提取了3个特征层，这3个特征层分别位于中间层、中下层和底层。

这3个特征层会进行5次卷积，处理完一部分用于输出该特征层对应的预测结果,一部分用于进行反卷积UmSampling2d后与其它特征层进行结合。

输出层的shape分别为(13,13,75)，(26,26,75)，(52,52,75)，最后一个维度为75是因为该图是基于voc数据集的，它的类为20种，即25=(四个坐标+1个置信度+20个类别)。 yolo3针对每一个特征层存在3个先验框，所以最后维度为3x25=75；

至于别的分析，这里就不多说了,直接实战部分了！

四、YoLoV3口罩检测实战

写代码，是不可能写代码的！先去github把代码给clone下来，原版的话就是qqwwee的代码，当然这里也给出我的github，欢迎各位看官光顾！github

1.快速使用篇

首先，我们需要下载yolov3事先已经训练好的权重，yolov3.weights 。然而由于我们用的keras框架，所以我们需要把它给转换一下，执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

python convert.py yolov3-tiny.cfg yolov3-tiny.weights model_data/yolov3-tiny.h5

但是权重文件这玩意，因为这个墙的问题，时快时慢，可以网盘下载去，权重链接 提取码0imy

有了权重之后，我们直接运行一下，看一下效果，

python yolo_video.py --image

在命令行输入图片地址img/street.jpg，即可预测

怎么样，效果还是不错的。我知道你要说，可是我要训练我自己的数据集呀，我不要官方的。不要急。

2.训练自身数据集

首先在第二部分的时候我们已经准备好了数据集，那让我们继续吧。

将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。

将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

之后利用voc2yolo3.py文件生成对应的txt。

VOCdevkit
    -VOC2007
        ├─ImageSets    # 存放数据集列表文件，由voc2yolo3.py文件生成
        ├─Annotations  # 存放数据集中图片文件
        ├─JPEGImages   # 存放图片标签，xml 格式
        └─voc2yolo3.py # 用来生成数据集列表文件

 

运行voc2yolo3.py之后会在ImageSets/Main生成如下txt文件

在txt里面存放了图片的名称，这里就不放代码了，我知道放了代码你们也不看，直接去我github里面白嫖就行

但是YoLov3处理的并不是这样的文件，所以我们还需要生成YOLOV3所需数据

再运行根目录voc_annotation.py，运行前需要将voc_annotation文件中classes改成你自己的classes。

我们就会生成这样的一个文件,2007_train.txt,这里面 每一行对应其图片位置及其真实框的位置

 

接下来，我准备采取yolov3_tiny架构,当然你也可以用yolov3架构。主要是yolov3-tiny收敛快，而我用的笔记本GPU，跑的速度太慢了~~~

在训练前我们可根据自身需要修改model_data里面的yolo_anchors.txt和tiny_yolo_anchors.txt，中的先验框的值，这里我们利用kmeans.py来生成。

k=9，生成yolo_anchors；k=6，生成tiny_yolo_anchors。

接着我们来到model_data里面的voc_classes.txt文件中需要将classes改成你自己的classes。

然后来到train.py中，通过修改anchor_path,从而选择使用yolov3训练还是yolov3-tiny训练

运行train.py 即可开始训练，训练好的模型会存放在logs下。

你以为大功告成了么，不不不，接下来就是炼丹了，慢慢调参！

 

四、测试

修改根目录下yolo.py文件，修改model_path,anchors_path,classes_path替换成·自己的路径`

    1.单张图片测试

python yolo_video.py --image,输入图片名称即可

    2.电脑摄像头实时检测

python yolo_video.py --input

此外对应的yolo.py文件174行改为vid = cv2.VideoCapture(0)；

    3.测试本地视频

python yolo_video.py --input

此外对应的yolo.py文件174行改为vid = cv2.VideoCapture(“视频路径+视频名+视频后缀名”)；

    4.测试本地视频并且保存视频效果

python yolo_video.py --output

此外对应的yolo.py文件184行改为out = cv2.VideoWriter(“视频路径+视频名+视频后缀名”, video_FourCC, video_fps, video_size)；

好了，最后再测试一下看。

五、注意：

一张图片最多只能识别20个对象的问题：

    1.训练时，要在yolo3文件夹下面的utils.py里，修改get_random_data()函数，有一个默认参数是max_boxes=20，改成很大的数值就行了。

    2.检测时，要在yolo3文件夹下面的model.py里，修改yolo_eval()函数，有一个默认参数是max_boxes=20，改成很大的数值就行了。

github github