paddle篇---用yolov3训练voc数据集

运行环境

  • paddlepaddle-gpu 2.2.0.post112

PaddlePaddle/PaddleDetection
release/2.3

第一步:添加文件及其文件夹

在该路径下: PaddleDetection-release-2.2/dataset/voc/yolov3_mobilenet_v1_270e_voc.yml

1.添加annations和images两个文件夹

+ annations:存放xml的标签文件

在这里插入图片描述

+ images:存放对应的图片文件

在这里插入图片描述

2. 添加label_list.txt文件 -------> 即标签文件

在这里插入图片描述
voc数据集是20个类别

3. 添加代码 create_list.py

# -- coding: UTF-8 --
import os
import os.path as osp
import re
import random

devkit_dir = './'
years = ['2007', '2012']


def get_dir(devkit_dir,  type):
    return osp.join(devkit_dir, type)


def walk_dir(devkit_dir):
    filelist_dir = get_dir(devkit_dir, 'ImageSets/Main')
    annotation_dir = get_dir(devkit_dir, 'annotations')
    img_dir = get_dir(devkit_dir, 'images')
    trainval_list = []
    test_list = []
    added = set()

    for _, _, files in os.walk(filelist_dir):
        for fname in files:
            img_ann_list = []
            if re.match('train\.txt', fname):
                img_ann_list = trainval_list
            elif re.match('val\.txt', fname):
                img_ann_list = test_list
            else:
                continue
            fpath = osp.join(filelist_dir, fname)
            for line in open(fpath):
                name_prefix = line.strip().split()[0]
                if name_prefix in added:
                    continue
                added.add(name_prefix)
                ann_path = osp.join(annotation_dir, name_prefix + '.xml')
                img_path = osp.join(img_dir, name_prefix + '.jpg')
                assert os.path.isfile(ann_path), 'file %s not found.' % ann_path
                assert os.path.isfile(img_path), 'file %s not found.' % img_path
                img_ann_list.append((img_path, ann_path))

    return trainval_list, test_list


def prepare_filelist(devkit_dir, output_dir):
    trainval_list = []
    test_list = []
    trainval, test = walk_dir(devkit_dir)
    trainval_list.extend(trainval)
    test_list.extend(test)
    random.shuffle(trainval_list)
    with open(osp.join(output_dir, 'trainval.txt'), 'w') as ftrainval:
        for item in trainval_list:
            ftrainval.write(item[0] + ' ' + item[1] + '\n')

    with open(osp.join(output_dir, 'test.txt'), 'w') as ftest:
        for item in test_list:
            ftest.write(item[0] + ' ' + item[1] + '\n')


if __name__ == '__main__':
    prepare_filelist(devkit_dir, '.')

运行create_list.py会生成test.txttraintval.txt
以下是trainval.txt的文件截图
在这里插入图片描述

第二步:选配置文件

PaddleDetection-release-2.2/configs/yolov3/yolov3_mobilenet_v1_270e_voc.yml在这里插入图片描述配置文件摘要

从上图看到yolov3_mobilenet_v1_270e_voc.yml配置需要依赖其他的配置文件。在该例子中需要依赖:

voc.yml

runtime.yml

optimizer_270e.yml

yolov3_mobilenet_v1.yml

yolov3_reader.yml


yolov3_mobilenet_v1_270e_voc 文件入口

voc 主要说明了训练数据和验证数据的路径

runtime.yml 主要说明了公共的运行参数,比如说是否使用GPU、每多少个epoch存储checkpoint等

optimizer_270e.yml 主要说明了学习率和优化器的配置。

yolov3_mobilenet_v1.yml 主要说明模型、和主干网络的情况。

yolov3_reader.yml 主要说明数据读取器配置,如batch size,并发加载子进程数等,同时包含读取后预处理操作,如resize、数据增强等等

在这里插入图片描述

yolov3_mobilenet_v1_270e_voc.yml1:主配置文件入口
voc.yml:定义训练数据的路径
runtime.yml:定义公共参数
optimizer_270e.yml:定义优化器的策略
yolov3_mobilenet_v1.yml:定义模型和主干网络
yolov3_reader.yml:定义数据预处理方式

第三步:模型训练

训练可视化

当打开use_vdl开关后,为了方便用户实时查看训练过程中状态,PaddleDetection集成了VisualDL可视化工具,当打开use_vdl开关后,记录的数据包括:

1.loss变化趋势
2.mAP变化趋势
python tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml  --use_vdl=true --vdl_log_dir=vdl_dir/scalar 

使用如下命令启动VisualDL查看日志

# 下述命令会在127.0.0.1上启动一个服务,支持通过前端web页面查看,可以通过--host这个参数指定实际ip地址
visualdl --logdir vdl_dir/scalar/

在浏览器输入提示的网址,效果如下:

在这里插入图片描述

第四步:模型预测

# 这个是路牌的识别
python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --infer_img=demo/road554.png -o weights=output/yolov3_mobilenet_v1_roadsign/38.pdparams

# 这个是voc数据集其中一张的识别
# python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_270e_voc.yml --infer_img=demo/005767.jpg -o weights=output/yolov3_mobilenet_v1_270e_voc/49.pdparams

以下是路牌的识别,不是voc数据的一张,但是运行步骤相同,由于voc数据集训练不充分,暂时无法拿权重进行预测,下面这张图也是加载自己训练的权重所得的结果
在这里插入图片描述

参考官网

30分钟快速上手PaddleDetection

版权声明:本文为CSDN博主「心惠天意」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/m0_46825740/article/details/121475750

心惠天意

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测入门之矩形框IOU计算

1. 引言 在目标检测领域中,我们经常用IOU来衡量检测框和标注真实框之间的重叠程度,那么究竟该如何计算IOU呢? 闲话少说,我们直接进入今天的主题… 2. 什么是IOU? IOU(交并比 Intersection over

使用 YOLO 进行目标检测

点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达自从世界了解人工智能以来,有一个特别的用例已经被讨论了很多。它们是自动驾驶汽车。我们经常在科幻电影中听到、读到甚至看到这些。有人说&

yolov5 检测一类物体

使用yolov5官方框架检测一类物体 yolov5的官方框架可较好的对共80种类进行目标检测,本文介绍一种直接修改源代码来只检测一类物体的方法以及通用的方法(利用数据集训练自己的权重)。 一、直接修