windows10复现DEtection TRansformers(DETR)并实现自己的数据集

DEtection TRansformers(DETR)

DEtection TRansformer(DETR)是Facebook AI的研究者提出的Transformer的视觉版本,用于目标检测和全景分割。这是第一个将Transformer成功整合为检测pipeline中心构建块的目标检测框架。

1、代码地址Github:https://github.com/facebookresearch/detr
2、论文地址:End-to-End Object Detection with Transformers

第一步,先将代码下载下来,然后在pycharm中打开,运行terminal,输入

pip install -r requirements.txt

安装代码必要的库,
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第1张图片
我在这路遇到了问题,在安装第二个库cocoapi时出现了安装失败,折腾了半天,终于解决了–>本地安装加换其它大神编译好的包,下载地址:https://github.com/philferriere/cocoapi

  1. 打开anconda的命令界面输入activate your_env_name (激活anaconda虚拟环境);
  2. 进入coco源码setup.py所在目录 cocoapi-master\PythonAPI;
  3. 运行python setup.py build_ext install即可安装完成。

解决了这个问题,安装其他的库就没得什么问题了,如果遇到vc++2015之类的问题建议在vs studio中把c++那一项也安装好。

第二步,将它的pth文件改一下,因为他是用的coco数据集,而我们只需要训练自己的数据集,就是下图这个文件
在这里插入图片描述
运行一下代码,就会生成一个你数据集所需要的物体数目的pth,记得改那个数字。

import torch
pretrained_weights  = torch.load('detr-r50-e632da11.pth')

num_class = 3 #这里是你的物体数+1,因为背景也算一个
pretrained_weights["model"]["class_embed.weight"].resize_(num_class+1, 256)
pretrained_weights["model"]["class_embed.bias"].resize_(num_class+1)
torch.save(pretrained_weights, "detr-r50_%d.pth"%num_class

运行完后会生成下图的文件:
在这里插入图片描述

第三步,准备自己的训练集,首先你要用自己的数据标记一个VOC类型的数据集,这里就不多赘述了,可以自己百度下载labelimg来打标,然后将文件放入这几个文件夹,就可以了,然后就是转换成json格式的数据。
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第2张图片
第四步,转换成json格式,生成的文件夹记得改为instances_train2017,json这种样子,如下图,
在这里插入图片描述
下面是voc转换为json的代码,自己更改文件路径

# coding:utf-8

# pip install lxml

import os
import glob
import json
import shutil
import numpy as np
import xml.etree.ElementTree as ET

path2 = "C:/Users/Desktop/VOC2007"

START_BOUNDING_BOX_ID = 1


def get(root, name):
    return root.findall(name)


def get_and_check(root, name, length):
    vars = root.findall(name)
    if len(vars) == 0:
        raise NotImplementedError('Can not find %s in %s.' % (name, root.tag))
    if length > 0 and len(vars) != length:
        raise NotImplementedError('The size of %s is supposed to be %d, but is %d.' % (name, length, len(vars)))
    if length == 1:
        vars = vars[0]
    return vars


def convert(xml_list, json_file):
    json_dict = {"images": [], "type": "instances", "annotations": [], "categories": []}
    categories = pre_define_categories.copy()
    bnd_id = START_BOUNDING_BOX_ID
    all_categories = {}
    for index, line in enumerate(xml_list):
        # print("Processing %s"%(line))
        xml_f = line
        tree = ET.parse(xml_f)
        root = tree.getroot()

        filename = os.path.basename(xml_f)[:-4] + ".jpg"
        image_id = 20190000001 + index
        size = get_and_check(root, 'size', 1)
        width = int(get_and_check(size, 'width', 1).text)
        height = int(get_and_check(size, 'height', 1).text)
        image = {'file_name': filename, 'height': height, 'width': width, 'id': image_id}
        json_dict['images'].append(image)
        ## Cruuently we do not support segmentation
        #  segmented = get_and_check(root, 'segmented', 1).text
        #  assert segmented == '0'
        for obj in get(root, 'object'):
            category = get_and_check(obj, 'name', 1).text
            if category in all_categories:
                all_categories[category] += 1
            else:
                all_categories[category] = 1
            if category not in categories:
                if only_care_pre_define_categories:
                    continue
                new_id = len(categories) + 1
                print(
                    "[warning] category '{}' not in 'pre_define_categories'({}), create new id: {} automatically".format(
                        category, pre_define_categories, new_id))
                categories[category] = new_id
            category_id = categories[category]
            bndbox = get_and_check(obj, 'bndbox', 1)
            xmin = int(float(get_and_check(bndbox, 'xmin', 1).text))
            ymin = int(float(get_and_check(bndbox, 'ymin', 1).text))
            xmax = int(float(get_and_check(bndbox, 'xmax', 1).text))
            ymax = int(float(get_and_check(bndbox, 'ymax', 1).text))
            assert (xmax > xmin), "xmax <= xmin, {}".format(line)
            assert (ymax > ymin), "ymax <= ymin, {}".format(line)
            o_width = abs(xmax - xmin)
            o_height = abs(ymax - ymin)
            ann = {'area': o_width * o_height, 'iscrowd': 0, 'image_id':
                image_id, 'bbox': [xmin, ymin, o_width, o_height],
                   'category_id': category_id, 'id': bnd_id, 'ignore': 0,
                   'segmentation': []}
            json_dict['annotations'].append(ann)
            bnd_id = bnd_id + 1

    for cate, cid in categories.items():
        cat = {'supercategory': 'none', 'id': cid, 'name': cate}
        json_dict['categories'].append(cat)
    json_fp = open(json_file, 'w')
    json_str = json.dumps(json_dict)
    json_fp.write(json_str)
    json_fp.close()
    print("------------create {} done--------------".format(json_file))
    print("find {} categories: {} -->>> your pre_define_categories {}: {}".format(len(all_categories),
                                                                                  all_categories.keys(),
                                                                                  len(pre_define_categories),
                                                                                  pre_define_categories.keys()))
    print("category: id --> {}".format(categories))
    print(categories.keys())
    print(categories.values())


if __name__ == '__main__':
    classes = ['bicycle', 'pottedplant', 'tvmonitor']
    pre_define_categories = {}
    for i, cls in enumerate(classes):
        pre_define_categories[cls] = i + 1
    # pre_define_categories = {'a1': 1, 'a3': 2, 'a6': 3, 'a9': 4, "a10": 5}
    only_care_pre_define_categories = True
    # only_care_pre_define_categories = False

    train_ratio = 0.9
    save_json_train = 'instances_train2014.json'
    save_json_val = 'instances_val2014.json'
    xml_dir = "./tmp_xml"

    xml_list = glob.glob(xml_dir + "/*.xml")
    xml_list = np.sort(xml_list)
    np.random.seed(100)
    np.random.shuffle(xml_list)

    train_num = int(len(xml_list) * train_ratio)
    xml_list_train = xml_list[:train_num]
    xml_list_val = xml_list[train_num:]

    convert(xml_list_train, save_json_train)
    convert(xml_list_val, save_json_val)

    if os.path.exists(path2 + "/annotations"):
        shutil.rmtree(path2 + "/annotations")
    os.makedirs(path2 + "/annotations")
    if os.path.exists(path2 + "/images/train2014"):
        shutil.rmtree(path2 + "/images/train2014")
    os.makedirs(path2 + "/images/train2014")
    if os.path.exists(path2 + "/images/val2014"):
        shutil.rmtree(path2 + "/images/val2014")
    os.makedirs(path2 + "/images/val2014")

    f1 = open("train.txt", "w")
    for xml in xml_list_train:
        img = xml[:-4] + ".jpg"
        f1.write(os.path.basename(xml)[:-4] + "\n")
        shutil.copyfile(img, path2 + "/images/train2014/" + os.path.basename(img))

    f2 = open("test.txt", "w")
    for xml in xml_list_val:
        img = xml[:-4] + ".jpg"
        f2.write(os.path.basename(xml)[:-4] + "\n")
        shutil.copyfile(img, path2 + "/images/val2014/" + os.path.basename(img))
    f1.close()
    f2.close()
    print("-------------------------------")
    print("train number:", len(xml_list_train))
    print("val number:", len(xml_list_val))

这下面是将xml中的图片从文件夹选出来,用得到的可以用。

#将图片根据xml中的文件名挑选出来
from PIL import Image
from PIL import ImageEnhance
import os
import cv2
import numpy as np
def convert(input_dir1, input_dir2,output_dir):
    for filename in os.listdir(input_dir1):
        for filename1 in os.listdir(input_dir2):
            path = input_dir1 + "/" + filename#图片路径
            path1=input_dir2+'/'+filename1#xml路径
            #print("doing... ", path)
            #print("doing... ", path1)
            if path1[-10:-4]==path[-10:-4]:#只有图片代号和xml代号相等的时候才会保存
                print(path[-10:-4])
                image = Image.open(path)
                image.save(output_dir + "/" + filename[:-4] + ".jpg")

if __name__ == '__main__':
    input_dir1 = "C:/Users/Desktop/VOC2007_COCO/images"#输入图片路径
    input_dir2= "C:/Users/Desktop/xml/xml_train"#输入标注路径
    output_dir = "C:/Users/Desktop/xml/train1"#保存路径
    convert(input_dir1,input_dir2,output_dir)

数据集做好后如下图所示
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210719191759365.png在这里插入图片描述
annotations文件夹中的文件如下图所示
在这里插入图片描述
train2017文件夹中的文件如下图所示
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第3张图片
第五步,修改detr.py中305行的num_classes改成你的物体种类的数目
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第4张图片
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第5张图片
第六步,运行main.py进行训练

python main.py --dataset_file "coco" --coco_path data/coco --epochs 100 --lr=1e-4 --batch_size=2 --num_workers=4 --output_dir="outputs" --resume="detr-r50_3.pth"

训练完后会在outputs生成下图的文件,log文件是记录每一个epoch的一些信息
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第6张图片
到这里就完成了整个训练。

最后,就是拿自己的训练的模型进行测试,更改这里的图片路径为要测试的图片的路径,还有第19行的CLASSES=[],记得改成自己的类别!
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第7张图片
整个流程就结束了,这个代码还提供了画图的功能,在util中的plot_utils.py文件
windows10复现DEtection TRansformers(DETR)并实现自己的数据集_第8张图片
在这个py文件下加入这个代码,路径自己改哦!

if __name__ == '__main__':
    files = list(Path('../outputs/eval').glob('*.pth'))
    plot_precision_recall(files)
    plt.show()
    plot_logs(logs=Path('D:/detr/outputs/log/'),fields=('class_error', 'loss_bbox_unscaled', 'mAP'), ewm_col=0, log_name='log.txt')
    plt.show()

出现这个错误:
OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
在这里插入图片描述
解决方法为

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

就可解决问题

if __name__ == '__main__':
    os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'
    files = list(Path('../outputs/eval').glob('*.pth'))
    plot_precision_recall(files)
    plt.show()
    plot_logs(logs=Path('D:/BaiduNetdiskDownload/detr/outputs/log/'),fields=('class_error', 'loss_bbox_unscaled', 'mAP'), ewm_col=0, log_name='log.txt')
    plt.show()

好了,到这里所有的步骤与我遇到的坑都告诉大家了,有什么问题可以留言!
好多同学要预测模型,点击自己去取吧

提取码:6ino

你可能感兴趣的:(detr,深度学习,python,图像识别)