yolo入门之一----yolo的使用

主要参考了此链接，对此博主表示感谢~！！
https://blog.csdn.net/u012746060/article/details/81183006
但其中有一些不同之处，在这里从头到尾走一遍流程

二、快速使用

1、下载yolov3代码：https://github.com/qqwweee/keras-yolo3 ，并解压缩之后用pycharm打开。

2、下载权重：https://pjreddie.com/media/files/yolov3.weights并将权重直接放在项目文件夹下

然后在命令行中activate tensorflow-gpu
cd 到项目文件夹
3、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

4、运行预测图像程序

     python yolo.py

这时候发现没有效果，与原博主写本不一样，因此我们尝试输入

python yolo_video.py --image

发现有效果，并且提示输入一张图片，我们输入准备好的项目文件夹下的test1.jpg

发现准确识别了，但是会受到原有像素影响，识别框不太清晰

如果想输入视频，也是cd到位以后输入：

python yolo_video.py --input C:\Users\MJY\PycharmProjects\yolo_test\test2.mp4

也就是–input后输入自己想输入的视频路径

那么如何使用yolo识别我们自己想要的东西呢？

接下来介绍详细步骤

由于原博主使用的是2007，我用的2012，没有关系是一样的，有些文件名大家对这看就行

一、新建文件夹并放置数据集图片

在工程下新建一个文件夹VOCdevkit，目录结构为VOCdevkit/VOC2007/,在下面就是新建几个默认名字的文件夹 Annotation，ImageSet（该目录还有三个文件需要建立），JPEGImages(把你所有的图片都复制到该目录里面，如下图），SegmentationClass，SegmentationObject。

二、使用LabelImage创建标签进行标注

按照这篇文章下载好LabelImage
https://blog.csdn.net/u012746060/article/details/81016993

下载好LabelImage后会有一个文件夹叫做labelImg-master，将其放置在项目文件夹下

然后打开cmd，cd到项目文件夹目录（也就是含有labelImg-master的目录）

接下来在命令行输入activate tensorflow-gpu
当然了，前面那几个包你装在什么环境下你就激活什么环境

接下来在命令行输入pyrcc5 -o resources.py resources.qrc 回车

再输入python labelImg.py回车

即可打开labelImg软件窗口如下
在左侧先修改Change Save Dir 为C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\Annotations

再修改Open dir为 你数据集所在位置
C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\JPEGImages
然后你会发现打开了第一张图片（如图所示）

然后再设定标签 因为我这里只训练了一类，先快速训练玩一玩
所以我在右侧 Use default label 中输入了people

接下来就可以进行数据集的标注了
点击左侧Create\nRectBox（或按W键），然后在上面框出检测对象即可，再点击Save（或ctrl+s）

然后你会发现在
C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\Annotations
路径下 多了很多xml文件，这就是你的标签文件，如下图

三、生成数据集

然后在C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012
目录下新建一个.py文件，代码如下：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

然后运行，你会发现在C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\ImageSets\Main
目录下产生了四个txt文件夹

但是这四个txt并不能为yolo所用
需要修改并运行voc_annotation.py 。首先是classes这里，本例只有一种people。
展示给大家 在voc_annotation.py需要修改的地方：

然后运行，你会发现在最大的项目文件夹下产生了三个txt文件

四、更改yolov3配置

打开 yolo3.cfg 文件，ctrl + f 搜索yolo，发现共3次，每一次都要如下修改
① 先看最上面的filters
要将之改为 3 * (len(classes) + 1) 那么我这里只有一类，因此为3*6=18
②classes要改为自己的类别数，我这里是1
③random可以改小为0（如果电脑显存小的话）

接下来修改model_data下的voc_classes.txt为自己训练的类别
我这里只有一类
如果是多类的话每一行是一类

我的是

五、修改train.py代码

先附上代码：

"""
Retrain the YOLO model for your own dataset.
"""
import numpy as np
import keras.backend as K
from keras.layers import Input, Lambda
from keras.models import Model
from keras.callbacks import TensorBoard, ModelCheckpoint, EarlyStopping

from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data

import tensorflow as tf
import keras.backend.tensorflow_backend as KTF





def _main():
    annotation_path = '2012_train.txt'
    log_dir = 'logs/000/'
    classes_path = 'model_data/voc_classes.txt'
    anchors_path = 'model_data/yolo_anchors.txt'
    class_names = get_classes(classes_path)
    anchors = get_anchors(anchors_path)
    input_shape = (416, 416) # multiple of 32, hw
    model = create_model(input_shape, anchors, len(class_names) )
    train(model, annotation_path, input_shape, anchors, len(class_names), log_dir=log_dir)

def train(model, annotation_path, input_shape, anchors, num_classes, log_dir='logs/'):
    model.compile(optimizer='adam', loss={
        'yolo_loss': lambda y_true, y_pred: y_pred})
    logging = TensorBoard(log_dir=log_dir)
    checkpoint = ModelCheckpoint(log_dir + "ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5",
        monitor='val_loss', save_weights_only=True, save_best_only=True, period=1)
    batch_size = 3
    val_split = 0.1
    with open(annotation_path) as f:
        lines = f.readlines()
    np.random.shuffle(lines)
    num_val = int(len(lines)*val_split)
    num_train = len(lines) - num_val
    print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))

    model.fit_generator(data_generator_wrap(lines[:num_train], batch_size, input_shape, anchors, num_classes),
            steps_per_epoch=max(1, num_train//batch_size),
            validation_data=data_generator_wrap(lines[num_train:], batch_size, input_shape, anchors, num_classes),
            validation_steps=max(1, num_val//batch_size),
            epochs=150,     # 500 有点多了
            initial_epoch=0)
    model.save_weights(log_dir + 'trained_weights.h5')

def get_classes(classes_path):
    with open(classes_path) as f:
        class_names = f.readlines()
    class_names = [c.strip() for c in class_names]
    return class_names

def get_anchors(anchors_path):
    with open(anchors_path) as f:
        anchors = f.readline()
    anchors = [float(x) for x in anchors.split(',')]
    return np.array(anchors).reshape(-1, 2)

def create_model(input_shape, anchors, num_classes, load_pretrained=False, freeze_body=False,
            weights_path='model_data/yolo_weights.h5'):
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)
    y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], \
        num_anchors//3, num_classes+5)) for l in range(3)]

    model_body = yolo_body(image_input, num_anchors//3, num_classes)
    print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))

    if load_pretrained:
        model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
        print('Load weights {}.'.format(weights_path))
        if freeze_body:
            # Do not freeze 3 output layers.
            num = len(model_body.layers)-7
            for i in range(num): model_body.layers[i].trainable = False
            print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))

    model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
        arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
        [*model_body.output, *y_true])
    model = Model([model_body.input, *y_true], model_loss)
    return model
def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    np.random.shuffle(annotation_lines)
    i = 0
    while True:
        image_data = []
        box_data = []
        for b in range(batch_size):
            i %= n
            image, box = get_random_data(annotation_lines[i], input_shape, random=True)
            image_data.append(image)
            box_data.append(box)
            i += 1
        image_data = np.array(image_data)
        box_data = np.array(box_data)
        y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
        yield [image_data, *y_true], np.zeros(batch_size)

def data_generator_wrap(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    if n==0 or batch_size<=0: return None
    return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)

if __name__ == '__main__':

    config = tf.ConfigProto()
    config.gpu_options.allow_growth = True  # 不全部占满显存, 按需分配
    sess = tf.Session(config=config)

    KTF.set_session(sess)
    _main()

需要更改的地方有：
① log_dir = ‘logs/000/’ 意味着模型权重保存在这里，因此需要在项目文件夹下创建
logs文件夹，它下面再创建000文件夹，否则你训练很长时间，模型没保存下载，没地方让你哭去

② input_shape = (416, 416)
这里一定要更改为自己图片的大小，建议可以在训练前将自己数据集的图片resize一下，减小尺寸，以加速训练（当然你的电脑足够强悍是可以不用管的，我的就是一开始用了1000多像素的图片，后来训练的时候提示资源耗尽），更改尺寸的代码很简单，赋予此，不想写的话可以拿：

from PIL import Image
import os
# 要更改大小的图片的位置
list = os.listdir('VOCdevkit\\VOC2012\\JPEGImages')
print(list)

for fname in list:
    root = os.path.join('C:\\Users\\MJY\\PycharmProjects\\yolo_10.01\VOCdevkit\\VOC2012\\JPEGImages', fname)

    pic = Image.open(root)
    pic = pic.resize((416, 416))
# 在项目文件夹下新建了一个new文件夹，resize后的照片均保存于此
    pic.save(os.path.join('new', fname))

③ 第37行 batch_size = 3
可以根据电脑性能和数据集大小调整
因为本来只是标了五十张图片，因此不需要大的batch

④ 第50行epochs=150,可以根据训练难易进行调整

⑤ 第117行开始的显存按需分配

这样就把训练代码修改完成了，这时候一定再次强调！！
因为程序中有logs/000/目录，你需要创建这样一个目录！！！！

六、进行训练

运行train.py，进入漫长的等待
最后发现损失在15-16左右

七、测试自己的图片

测试之前，修改yolo.py文件，需要更改的有：

① 从24行开始的
一定要与你的模型保存路径、照片大小相对应

class YOLO(object):
    _defaults = {
        "model_path": 'logs/000/trained_weights.h5',
        "anchors_path": 'model_data/yolo_anchors.txt',
        "classes_path": 'model_data/voc_classes.txt',
        "score" : 0.3,
        "iou" : 0.45,
        "model_image_size" : (416, 416),
        "gpu_num" : 1,
    }

②
直接用所有的数据集进行测试（我知道这句话真的很业余很幼稚hhhh）
C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\JPEGImages\*.jpg

import glob
def detect_img(yolo):
    path = "C:\\Users\\MJY\\PycharmProjects\\yolo_10.01\\VOCdevkit\\VOC2012\\JPEGImages\\*.jpg"
    outdir = "C:\\Users\\MJY\\PycharmProjects\\yolo_10.01\\VOCdevkit\\VOC2012\\SegmentationClass"
    for jpgfile in glob.glob(path):
        img = Image.open(jpgfile)
        img = yolo.detect_image(img)
        img.save(os.path.join(outdir, os.path.basename(jpgfile)))
    yolo.close_session()



if __name__ == '__main__':
    detect_img(YOLO())

C:\Users\MJY\PycharmProjects\yolo_10.01\VOCdevkit\VOC2012\SegmentationClass
中就会保存有你测试后的图片

检测成功;)
那个car是因为我把voc_classes文件中内容改成car进行训练了。。。。。。不要在意细节

然后输入一张大小并非416的照片，发现也是可以的

那么如何检测视频呢？
感谢这位博主https://blog.csdn.net/a88770202/article/details/87108823
我们需要改的地方为：
第192行开始，括号里的那些东西，是因为cv2和PIL的图片格式不同，因此需要转换

    while True:
        return_value, frame = vid.read()
        image = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        image = yolo.detect_image(image)
        result = cv2.cvtColor(np.asarray(image), cv2.COLOR_RGB2BGR)

然后将210行开始的代码注释掉

        # if isOutput:
        # out.write(result)

然后在最末尾

if __name__ == '__main__':
    detect_video(YOLO(), input("Input video filename:\n"))

然后运行，输入视频路径和文件名即可
（直接在pycharm中找到相应的视频，右键点击Copy Relative Path即复制下来）