在yolov5中加入小目标检测层 yolov5目标检测代码

文章目录

• 1、运行官网YOLOV5代码

• 1、下载源代码
• 2、文件夹解析
• 3、开始测试

• 1、图片测试
• 2、视频测试
• 3、摄像头实时测试

• 2、训练自己的神经网络模型

• 1、数据集制作
• 2、划分数据集
• 3、开始训练
• 4、训练参数
• 5、使用训练好的模型进行预测

• 3、获取目标中心坐标

本文仅讨论YOLOV5的目标检测使用过程的一些记录，不涉及CUDA的配置，以及一些环境的配置问题，相关问题可以参考我的其他博客。

1、运行官网YOLOV5代码

1、下载源代码

首先肯定找开源代码，目前似乎大部分代码都是在下面的代码修改而来的，我们从git上找到大神的开源代码：

ultralytics/yolov5 at v5.0 (github.com)

这里在旁边的分支这里选择v5.0的分支，全文下载也可以，或者电脑如果有git，也可以下面的命令来获取

git clone xxx

下载页如图所示

这个下完只有1.4M，直觉高速我们肯定不对，所以我们需要看看缺了啥，没错还需要把权重下载下来，打开这个sh文件就可以看到了，这里我们可以之间点到这个链接里面去下载

进去之后页面下拉，找到需要的版本下载权重，因为下面的无论是训练还是进行目标检测都需要这个权重，这个也可以理解为就是一个模型文件，一个训练好的模型文件

其实官方模型是一个20类物体的目标见的模型，是比较常见的模型，在data的voc的配置文件里面我们可以看到里面的内容，下面的修改也是基于这个进行的

2、文件夹解析

这里参考了：目标检测—教你利用yolov5训练自己的目标检测模型

下面对一些重要的文件夹做下说明

data文件夹：

• 主要是存放一些超参数的配置文件，就是yaml文件，就是一些数据集的配置文件。
• 官方提供测试的图片，当然自己的测试图片也可以使用的。
• 如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。
  
  这里其实其他文件没什么用。.sh是用来下载的，所以干脆就都删掉，只留下一个

models文件夹：

• 里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。
• 因此就是前面变了这里也要做相应的改变

utils文件夹：

• 存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。

weights文件夹：

• 放置训练好的权重参数，这里默认也是一个sh文件，就是下载链接，如果网速不行就先下载好吧，这样就不用下载了

下面是一些重要的py文件的介绍

• detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。
• train.py：训练自己的数据集的函数。
• test.py：测试训练的结果的函数。

3、开始测试

官方文件下载之后就可以直接进行测试的，这里主要是图片，视频还有摄像头部分的测试

1、图片测试

这里修改下预设的参数即可，就是jpg文件

然后将我们之前准备好的权重文件放到同一路径下，这里选了什么权重路径上就写什么，下面的测试都是基于这个权重来进行的

图片用的是官方的图片，运行之后会run这个文件下面显示出相关的结果

结果如下，还是比较准确的

2、视频测试

视频的部分这个就是将图片修改为对应的视频即可

这里我用了一张道路行车的视频，运行的结果如下

3、摄像头实时测试

实时检测这里需要我们将路径修改为自己的摄像头号码，比如电脑默认的摄像头就是0，这里我用的外接的摄像头，就是1了

但是经过实测好像运行不起来，因为我是去年就跑过这个，所以我之前也下过相应的权重文件，然后这次写这篇文章也下了一次权重文件，我发现两个权重文件报错不太一样，具体请看下面的描述：

第一是使用最新的权重存在的问题，报错信息如下，据说是新的加上了这个SPPF的模块，所以需要到源文件里面加上这个部分

这里其他博主的建议是加上这个，就是缺失的SPPF加上，因为这个权重其实是yolov5-6.0版本的权重了，yolov5更新的很快，据官方描述使用这个模块检测速度提升了很多，但是咱这里用不到，所以就试试吧

import warnings


class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)

    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

但是修改后就会报这个错误，又要去改其他的，干脆就不用这个6.0版本的权重了，直接换到下面的5.0版本的，就是下面的一种方案了

第二是旧的模型会出现的问题，会报这样一个错误，但是还是可以运行，不过只有一张图显示出来，后面的就卡住了，网上说原因是数据集制作的问题，就是数据集里面有的数据集是空的，没标注就会出现这样的问题

网上提出的解决办法是需要对数据集重新处理，就是标注的数据集出现了没有标注框的情况，需要把这个部分给他清理掉，但是这样就需要重新训练了，太蛮烦了，这里我觉得不如直接就给他处理掉，把这一行代码注释掉即可

注释掉就可以进行实时的摄像头检测了

2、训练自己的神经网络模型

1、数据集制作

制作软件：labellmg，这里这个软件觉得比较重要的就是快捷键，快捷键很重要啊，一定要看一看，不然标到怀疑人生，其他的就没什么重要的了，软件基本就是导入图片，然后画框，会导出一个xml文件，这个xml文件就是框的一些信息，位置大小之类的，这样就可以给后面的数据集训练使用了。

快捷键如下所示：

• A：切换到上一张图片
• D：切换到下一张图片
• W：调出标注十字架
• del ：删除标注框框
• Ctrl+u：选择标注的图片文件夹
• Ctrl+r：选择标注好的label标签存在的文件夹

我们经常从网上获取一些目标检测的数据集资源标签的格式都是VOC(xml格式)的，而yolov5训练所需要的文件格式是yolo(txt格式)的，这里就需要对xml格式的标签文件转换为txt文件。同时训练自己的yolov5检测模型的时候，数据集需要划分为训练集和验证集。这里提供了一份代码将xml格式的标注文件转换为txt格式的标注文件，并按比例划分为训练集和验证集。先上代码再讲解代码的注意事项。

2、划分数据集

这里采用的voc2007的数据集格式，参考文章如下：

首先是修改配置文件，需要修改的如下所示

这里再次修改训练用的配置文件，其实都是一些必要的信息还有路径什么的

之后就是数据集部分了，这里先进行新建文件夹

这里上面的博主提供了将我们的标号的数据集转成voc格式的代码，修改一点参数就可以使用了，可以在这里看到标签种类和一些训练集占比的修改

输出的yolo使用的txt文件

运行之后可以看到生成了我们训练需要的文件

源代码如下：本处代码来源

import xml.etree.ElementTree as ET
import os
import random
from shutil import copyfile

classes = ["hat", "person"]
TRAIN_RATIO = 80


def clear_hidden_files(path):
    dir_list = os.listdir(path)
    for i in dir_list:
        abspath = os.path.join(os.path.abspath(path), i)
        if os.path.isfile(abspath):
            if i.startswith("._"):
                os.remove(abspath)
        else:
            clear_hidden_files(abspath)


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):
    in_file = open('VOCdevkit/VOC2007/Annotations/%s.xml' % image_id)
    out_file = open('VOCdevkit/VOC2007/YOLOLabels/%s.txt' % image_id, 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    in_file.close()
    out_file.close()


wd = os.getcwd()
wd = os.getcwd()
data_base_dir = os.path.join(wd, "VOCdevkit/")
if not os.path.isdir(data_base_dir):
    os.mkdir(data_base_dir)
work_sapce_dir = os.path.join(data_base_dir, "VOC2007/")
if not os.path.isdir(work_sapce_dir):
    os.mkdir(work_sapce_dir)
annotation_dir = os.path.join(work_sapce_dir, "Annotations/")
if not os.path.isdir(annotation_dir):
    os.mkdir(annotation_dir)
clear_hidden_files(annotation_dir)
image_dir = os.path.join(work_sapce_dir, "JPEGImages/")
if not os.path.isdir(image_dir):
    os.mkdir(image_dir)
clear_hidden_files(image_dir)
yolo_labels_dir = os.path.join(work_sapce_dir, "YOLOLabels/")
if not os.path.isdir(yolo_labels_dir):
    os.mkdir(yolo_labels_dir)
clear_hidden_files(yolo_labels_dir)
yolov5_images_dir = os.path.join(data_base_dir, "images/")
if not os.path.isdir(yolov5_images_dir):
    os.mkdir(yolov5_images_dir)
clear_hidden_files(yolov5_images_dir)
yolov5_labels_dir = os.path.join(data_base_dir, "labels/")
if not os.path.isdir(yolov5_labels_dir):
    os.mkdir(yolov5_labels_dir)
clear_hidden_files(yolov5_labels_dir)
yolov5_images_train_dir = os.path.join(yolov5_images_dir, "train/")
if not os.path.isdir(yolov5_images_train_dir):
    os.mkdir(yolov5_images_train_dir)
clear_hidden_files(yolov5_images_train_dir)
yolov5_images_test_dir = os.path.join(yolov5_images_dir, "val/")
if not os.path.isdir(yolov5_images_test_dir):
    os.mkdir(yolov5_images_test_dir)
clear_hidden_files(yolov5_images_test_dir)
yolov5_labels_train_dir = os.path.join(yolov5_labels_dir, "train/")
if not os.path.isdir(yolov5_labels_train_dir):
    os.mkdir(yolov5_labels_train_dir)
clear_hidden_files(yolov5_labels_train_dir)
yolov5_labels_test_dir = os.path.join(yolov5_labels_dir, "val/")
if not os.path.isdir(yolov5_labels_test_dir):
    os.mkdir(yolov5_labels_test_dir)
clear_hidden_files(yolov5_labels_test_dir)

train_file = open(os.path.join(wd, "yolov5_train.txt"), 'w')
test_file = open(os.path.join(wd, "yolov5_val.txt"), 'w')
train_file.close()
test_file.close()
train_file = open(os.path.join(wd, "yolov5_train.txt"), 'a')
test_file = open(os.path.join(wd, "yolov5_val.txt"), 'a')
list_imgs = os.listdir(image_dir)  # list image files
prob = random.randint(1, 100)
print("Probability: %d" % prob)
for i in range(0, len(list_imgs)):
    path = os.path.join(image_dir, list_imgs[i])
    if os.path.isfile(path):
        image_path = image_dir + list_imgs[i]
        voc_path = list_imgs[i]
        (nameWithoutExtention, extention) = os.path.splitext(os.path.basename(image_path))
        (voc_nameWithoutExtention, voc_extention) = os.path.splitext(os.path.basename(voc_path))
        annotation_name = nameWithoutExtention + '.xml'
        annotation_path = os.path.join(annotation_dir, annotation_name)
        label_name = nameWithoutExtention + '.txt'
        label_path = os.path.join(yolo_labels_dir, label_name)
    prob = random.randint(1, 100)
    print("Probability: %d" % prob)
    if (prob < TRAIN_RATIO):  # train dataset
        if os.path.exists(annotation_path):
            train_file.write(image_path + '\n')
            convert_annotation(nameWithoutExtention)  # convert label
            copyfile(image_path, yolov5_images_train_dir + voc_path)
            copyfile(label_path, yolov5_labels_train_dir + label_name)
    else:  # test dataset
        if os.path.exists(annotation_path):
            test_file.write(image_path + '\n')
            convert_annotation(nameWithoutExtention)  # convert label
            copyfile(image_path, yolov5_images_test_dir + voc_path)
            copyfile(label_path, yolov5_labels_test_dir + label_name)
train_file.close()
test_file.close()

运行就可以将我们标好的数据转成我们需要的格式了！

3、开始训练

训练就进入到train.py这里了，还是一样的，先进行参数修改

下面还有一些比较重要的参数吧，可以参考的看一看（根据实际情况进行修改）

之后就可以运行代码了，可以使用tensorboard 实时查看训练过程，输入下面的命令（当然这个要提前安装好）

tensorboard --logdir=runs/train

点开下面的网址就可以查看了

主要是map，准确率和召回率

4、训练参数

训练完成后会输出一个文件夹，可以在文件夹里面看一些训练的参数，文件夹打开如下所示

我个人的话主要看这个图吧

这部分参数的含义如下所示：

• 边框检测的损失，越小越准确
• Objectness：推测为目标检测loss均值，越小目标检测越准
• Classification：推测为分类loss均值，越小分类越准
• Precision：准确率（找对的/找到的）
• Recall：召回率（找对的/该找对的）
• mAP@0.5 & mAP@0.5:0.95：AP是用Precision和Recall作为两轴作图后围成的面积，m表示平均，@后面的数表示判定iou为正负样本的阈值，@0.5:0.95表示阈值取0.5:0.05:0.95后取均值。

本处参考：

5、使用训练好的模型进行预测

这里其实就是跑到原来那块检测那里了，就是修改下模型文件就行了

3、获取目标中心坐标

一般用yolo进行目标追踪的话，需要进行查找中心位置，当然这是很传统的方法了，所以下面就看看这种经典的方案

我们进入这个函数就能看到画框函数

在里面加上一句

print("中心位置的坐标为"+str((c1[0]+c2[0])/2)+','+str((c1[1]+c2[1])/2))

这样就可以了，运行即可看到结果