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

yolov5模型训练(自制数据集)

这些东西是我从什么都不知道 熬了十天晚上左右 摸打滚爬于csdn、github总结出来的 在训练过程中遇到什么问题可以在评论区留言或者私信 看到会一一回复 呜呜呜/(ㄒoㄒ)/~~ 1.制作数据集 1.1 lableimg使用&#xff08