首页 » 机器视觉 » 正文
机器视觉

目标检测—全卷积实现

目标检测—全卷积实现

首先照例分享学习资源：

带你逐行手写单目标检测算法，从数据到模型搭建、训练、预测_哔哩哔哩_bilibili

一.相关知识点的学习

二分类交叉熵：

​   其实现的公式：

在这里插入图片描述

​   上式中带上标的y表示预测值（0-1之间），是网络的预测结果，y是真实值，因为是二分类，所以y的值只分0和1

MSE：

​   KSE（均方误差）函数一般用来检测模型的预测值和真实值之间的偏差。

其实现公式为：

  ​      在这里插入图片描述

  其值越大，表面预测的效果越差，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

多分类交叉熵：

​    其实现公式为：

在这里插入图片描述

在上式中，C是损失值
   n是求平均用的，所以是样本数量，也就是batchsize（每批训练的数量）；
   x是预测向量维度，因为需要在输出的特征向量维度上一个个计算并求和；
   y是onehot编码后的真实值 对应x维度上的标签，是1或0；
   a是onehot格式输出的预测标签，是0~1的值，a经过了softmax激活，所以a的和值为1。

​    其中（onehot编码）独热编码即 One-Hot 编码，又称一位有效编码。其方法是使用 N位 状态寄存器来对 N个状态 进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。

FCN网络：

​    首先，FCN和CNN的区别在于把CNN最后的全连接转换成卷积层，其次，FCN网络可以接受任意尺寸的输入图像，并采用反卷积层对最后一个卷积层的feature map（特征图）进行上采样, 使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。

二.代码实现目标检测

​    二分类：sigmoid函数

​    回归问题：不需要激活

​    多分类问题：输出层使用softmax

（1）数据预处理

#数据集处理
import os.path
import torch
import cv2
from torch.utils.data import Dataset
import numpy as np

class MyDataset(Dataset):
    def __init__(self,root,is_Train = True):
        self.dataset = []       #数组存储图片路径
        dir = 'train' if is_Train else "test"   #通过is_Train的判断，来确定访问的文件路径（train还是test）
        sub_dir = os.path.join(root,dir)        #拼接文件路径，进入test或train文件
        print("The current picture is from ",sub_dir)
        img_list = os.listdir(sub_dir)   #返回指定的文件夹包含的文件或文件夹的名字的列表
        for i in img_list:
            img_dir = os.path.join(sub_dir,i)
            self.dataset.append(img_dir)        #将拼接后图片路径存入数组中


    def __len__(self):
        return len(self.dataset)        #返回图片个数


    def __getitem__(self,index):
        data = self.dataset[index]
        img = cv2.imread(data)/255  #将图片格式由H,W,C格式转换到C,H,W格式，并归一化，其中C为通道数、W为宽度、H为高度
        new_img = torch.tensor(img).permute(2,0,1)  #将图片tensor维度转换
        data_list = data.split('.')     #将文件名按.划分
        label = int(data_list[1])       #标签
        position = data_list[2:6]       #位置
        position = [int(i)/300 for i in position]
        sort = int(data_list[6])-1      #因为标签为0时是没有小黄人，就无法给到0分类，而算法需要以0开始，所以我们将其减1，将1-20的数转换为0-19
        return np.float32(new_img),np.float32(label),np.float32(position),np.int(sort)


if __name__ == '__main__':
    data = MyDataset('F:\Artificial Intelligence\Target detection\yellow_data\yellow_data',is_Train=False)
    for i in data:
        print(i)

​    上述代码中，主要注意讲sort的标签从1-20转换为0-19

（2）.网络搭建

#搭建网络
from torch import nn
import torch

class My_net(nn.Module):
    def __init__(self):
        super(My_net,self).__init__()
        #nn.Sequential（）操作打包
        self.layers = nn.Sequential(
            nn.Conv2d(3,11,3),  #二维卷积
            nn.LeakyReLU(),     #大于0的值保留，小于零的值赋值非负斜率
            nn.MaxPool2d(3),    #最大池化，对邻域内特征点取最大
            nn.Conv2d(11, 22, 3),
            nn.LeakyReLU(),
            nn.MaxPool2d(2),
            nn.Conv2d(22, 32, 3),
            nn.LeakyReLU(),
            nn.MaxPool2d(2),
            nn.Conv2d(32, 64, 3),
            nn.LeakyReLU(),
            nn.Conv2d(64, 128, 3),
            nn.LeakyReLU(),
        )
        self.label_layer = nn.Sequential(
            nn.Conv2d(128,1,19),
            nn.LeakyReLU()
        )
        self.position_layer = nn.Sequential(
            nn.Conv2d(128,4,19),
            nn.LeakyReLU()
        )
        self.sort_layer = nn.Sequential(
            nn.Conv2d(128,20,19),
            nn.LeakyReLU()
        )


    def forward(self,x):
        out = self.layers(x)
        label = self.label_layer(out)
        label = torch.squeeze(label,dim = 2)    #torch.squeeze对数据进行压缩，dim指维度
        label = torch.squeeze(label, dim=2)
        label = torch.squeeze(label, dim=1)
        position = self.position_layer(out)
        position = torch.squeeze(position,dim = 2)
        position = torch.squeeze(position,dim = 2)
        sort = self.sort_layer(out)
        sort = torch.squeeze(sort,dim = 2)
        sort = torch.squeeze(sort, dim=2)
        return label,position,sort


if __name__ == '__main__':
    net = My_net()
    x = torch.randn(3,3,300,300)
    print(net(x)[0].shape)
    print(net(x)[1].shape)
    print(net(x)[2].shape)

​    注意对应维度的转换。

（3）.训练函数编写

from net import My_net
from data import MyDataset
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
from torch import nn,optim
import torch
import datetime
import os
import warnings
warnings.filterwarnings('ignore')       #不加这一句，代码运行前会报warning
Device = 'cuda'                         #使用GPU
class train:
    def __init__(self,root,weight):     #若没有权重文件，则去除weight进行训练
        self.summaryWriter = SummaryWriter('logs')
        #SummaryWriter（）创建一个tensorboard文件，log为存储路径

        self.train_dataset = MyDataset(root = root,is_Train=True)
        self.test_dataset = MyDataset(root = root,is_Train=False)
        #引入训练、测试集数据

        #Dataloder构建可迭代的数据装载器, 我们在训练的时候，每一个for循环，每一次iteration，就是从DataLoader中获取一个batch_size大小的数据的。
        self.train_dataLoader = DataLoader(self.train_dataset,batch_size=50,shuffle=True)
        self.test_dataLoader = DataLoader(self.test_dataset,batch_size=50,shuffle=True)

        self.net = My_net().to(Device) #将网络导入GPU
        if os.path.exists(weight):     #调用训练好的权重，若没有此文件，请注释这一句以及下一句，进行训练产生文件
            self.net.load_state_dict(torch.load(weight))
        self.opt = optim.Adam(self.net.parameters())    #调用优化器

        self.label_loss_fun = nn.BCEWithLogitsLoss()    #二分类交叉熵损失
        self.position_loss_fun = nn.MSELoss()           #均方误差;函数一般用来检测模型的预测值和真实值之间的偏差。
        self.sort_loss_fun = nn.CrossEntropyLoss()      #交叉熵

        self.train = True
        self.text = True


    def __call__(self):
        index1,index2 = 0,0  #步长
        for epoch in range(1000):
            if self.train:
                #       enumerate枚举
                for i,(img,label,position,sort) in enumerate(self.train_dataLoader):
                    self.net.train()
                    img,label,position,sort = img.to(Device),label.to(Device),position.to(Device),sort.to(Device)
                    #  变量传入GPU内
                    out_label,out_position,out_sort = self.net(img)
                    #  获取网络输出值
                    label_loss = self.label_loss_fun(out_label,label)
                    position_loss = self.position_loss_fun(out_position,position)
                    #   torch.where 合并两个tensor类型，合并0-19的sort
                    sort = sort[torch.where(sort>=0)]
                    out_sort = out_sort[torch.where(sort>=0)]
                    sort_loss = self.sort_loss_fun(out_sort,sort)

                    train_loss = 0.2 * label_loss + position_loss * 0.6 + 0.2 * sort_loss
                    #   计算损失函数  全局优化
                    self.opt.zero_grad()
                    train_loss.backward()
                    #    反向传播
                    self.opt.step()
                    #   根据梯度更新网络参数
                    if i%10 == 0:
                        print('train_loss{i}=====>',train_loss.item())
                        self.summaryWriter.add_scalar('train_loss',train_loss,index1)
                        #       将标量添加到 summary ， 将损失画在图中
                        index1+=1
                date_time = str(datetime.datetime.now()).replace(' ', '-').replace(':', '_').replace('.', '_')
                #  获取当前时间
                torch.save(self.net.state_dict(), f'param/{date_time}-{epoch}.pt')
                #  保存权重模型

            if self.text:
                sum_sort_acc,sum_label_acc = 0,0
                for i, (img, label, position, sort) in enumerate(self.train_dataLoader):
                    self.net.train()
                    img, label, position, sort = img.to(Device), label.to(Device), position.to(Device), sort.to(Device)
                    out_label, out_position, out_sort = self.net(img)
                    label_loss = self.label_loss_fun(out_label, label)
                    position_loss = self.position_loss_fun(out_position, position)
                    sort = sort[torch.where(sort >= 0)]
                    out_sort = out_sort[torch.where(sort >= 0)]
                    sort_loss = self.sort_loss_fun(out_sort, sort)


                    test_loss = label_loss + position_loss + sort_loss

                    out_label = torch.tensor(torch.sigmoid(out_label))
                    #    调用激活函数后转换为张量
                    out_label[torch.where(out_label>=0.5)] = 1
                    out_label[torch.where(out_label < 0.5)] = 0


                    out_sort = torch.argmax(torch.softmax(out_sort,dim = 1))
                    #  返回概率最大的下标

                    label_acc=torch.mean(torch.eq(out_label,label).float())
                    sum_label_acc+=label_acc
                    sort_acc = torch.mean(torch.eq(out_sort,sort).float())
                    sum_sort_acc += sort_acc
                    if i % 10 == 0:
                        print('test_loss{i}=====>', test_loss.item())
                        self.summaryWriter.add_scalar('test_loss', test_loss, index2)
                        index2 += 1
                avg_sort_acc = sum_sort_acc/i
                avg_label_acc = sum_label_acc/i
                #       以上操作进行准确率的计算
                print(f'avg_sort_acc{epoch}===>',avg_sort_acc)
                print(f'avg_label_acc{epoch}===>', avg_sort_acc)
                self.summaryWriter.add_scalar('avg_sort_acc',avg_sort_acc,epoch)
                self.summaryWriter.add_scalar('avg_label_acc', avg_label_acc, epoch)



if __name__ == '__main__':
    train = train('F:\Artificial Intelligence\Target detection\yellow_data\yellow_data','param/2021-10-19-23_38_55_992635-0.pt')
    train()     #  给予文件路径进行训练

​    若未有weight文件的话，先注释掉weight部分，否则代码无法运行，具体可以看分享的学习资料。

（4）.预测函数

import os

import torch
import cv2
from net import My_net

if __name__ == '__main__':
    img_name = os.listdir(r'F:\Artificial Intelligence\\Target detection\yellow_data\yellow_data\\test')
    for i in img_name:
        img_dir = os.path.join(r'F:\Artificial Intelligence\\Target detection\yellow_data\yellow_data\\test',i)
        #  拼接路径  访问图片
        img = cv2.imread(img_dir)
        #  读取图片信息
        position = i.split('.')[2:6]
        #  将position信息分离
        sort = i.split('.')[6]
        position = [int(j) for j in position]
        cv2.rectangle(img,(position[0],position[1]),(position[2],position[3]),(0,255,0),thickness = 2)
        cv2.putText(img,sort,(position[0],position[1]-3),cv2.FONT_HERSHEY_SIMPLEX,2,(0,255,0),thickness = 2)
        #   对识别到的小黄人进行画框

        model = My_net()
        #  导入模型
        model.load_state_dict(torch.load('param/2021-10-20-08_13_42_378776-0.pt'))
        #  保存模型
        new_img = torch.tensor(img).permute(2,0,1)
        # 转换图片维度
        new_img = torch.unsqueeze(new_img,dim = 0)/255
        # 将图片拓展

        out_label,out_sort,out_position = model(new_img)

        out_label = torch.sigmoid(out_label)
        out_sort = torch.argmax(torch.softmax(out_sort,dim = 1))
        #  调用激活函数

        out_position = out_position[0]*300
        out_position = [int(i) for i in out_position]
        if out_label.item()>0.5:
            cv2.rectangle(img,(out_position[0],out_position[1]),(out_position[2],out_position[3]),(0,255,0))
            cv2.putText(img,str(out_sort.item()),(out_position[0],out_position[1]),cv2.FONT_HERSHEY_SIMPLEX,2,(0,0,255))

        cv2.imshow('img',img)
        cv2.waitKey(500)
        cv2.destroyAllWindows()
        # 每500ms 换检测一次图片

10.20学习总结

版权声明：本文为CSDN博主「风声向寂」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_52533790/article/details/120872424

标签： · · ·
点赞 0

风声向寂

我还没有学会写个人说明！

暂无评论

发表评论

相关推荐

OpenCV之目标检测
机器视觉 2024-10-20

OpenCV之目标检测

前言 案例 Fu Xianjun. All Rights Reserved. 随着当今世界的发展，计算机视觉技术的应用越来越广泛。伴随着硬件设备的不断升级，构造复杂的计算机视觉应用变得越来越容易了。OpenCV像是

数据集，模型等下载记录
机器视觉 2024-09-22

数据集，模型等下载记录

coco数据集下载链接 第一组是train数据，第二组是val验证数据集，第三组是test验证数据集。数据包括了物体检测和keypoints身体关键点的检测。 http://images.cocodataset.

分享到：