首页 » 机器视觉 » 正文
机器视觉

【YOLO】目标检测第三步——用Pascal voc 2012 数据集训练YOLO网络

0. 引言

一般博主都会说对YOLO网络训练都是通过自制的训练集，这是能一次性完成YOLO网络的参数设置，但对于之前根本没有接触过这类知识的小白，我决定慢慢来，用其他数据集尝试训练网络。
此步骤的目的在于：

  1. 认识Pascal voc 2012 数据集；
  2. 了解数据集的标签格式以及数据集的格式；
  3. 认识YOLO文件内容与train.py训练参数的配置；
  4. 计算训练一次的大致时间。
    训练的环境：CPU为Intel® Core™ i7-6700HQ CPU，GPU0为Inte® HD Graphics 530，GPU1为NVIDIA Geforce GTX 960M，内存为 8G；操作系统为 Windows10；使用Pytorch 框架，安装 CUDA10.2和8.3.0版本Cudnn，开发语言为 Python。

1. 认识Pascal voc 2012 数据集

Pascal VOC的三个主要物体识别竞赛是：分类，检测和分割（classification, detection, and segmentation）。

主要应用于分类、检测和分割。
官网：http://host.robots.ox.ac.uk/pascal/VOC/
数据集下载：
在这里插入图片描述
有1.9G，不过下载起来感觉挺快的。
数据集解压：
在这里插入图片描述

数据集参考：Pascal voc 2012 数据集简介

1.1. 数据集内容分析

在这里插入图片描述
Annotations与JPEGImages
“Annotations”里的文件名与“JPEGImages”相互对应，只是后缀名不一样。“Annotations”存放的是xml格式的标签文件，以“2007_000027”为例。
JPEGImages：
在这里插入图片描述
Annotations：

<annotation>
	<folder>VOC2012</folder>
	<filename>2007_000027.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>      <!--  图片的大小   -->
		<width>486</width>
		<height>500</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented> <!--  是否属于分割，0非分割， 1分割   -->
	<object>
		<name>person</name> <!--  标签名   -->
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox> <!--  坐标框的范围   -->
			<xmin>174</xmin>
			<ymin>101</ymin>
			<xmax>349</xmax>
			<ymax>351</ymax>
		</bndbox>
		<part>  <!--  part?身体的一部分？   -->
			<name>head</name>
			<bndbox>
				<xmin>169</xmin>
				<ymin>104</ymin>
				<xmax>209</xmax>
				<ymax>146</ymax>
			</bndbox>
		</part>
		<part>
			<name>hand</name>
			<bndbox>
				<xmin>278</xmin>
				<ymin>210</ymin>
				<xmax>297</xmax>
				<ymax>233</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>273</xmin>
				<ymin>333</ymin>
				<xmax>297</xmax>
				<ymax>354</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>319</xmin>
				<ymin>307</ymin>
				<xmax>340</xmax>
				<ymax>326</ymax>
			</bndbox>
		</part>
	</object>
</annotation>

ImageSets
？
SegmentationClass
应用于分割。保存了分割后的标签图（2913张png图片），标注出了每一个像素属于哪一个类别。
SegmentationObject
应用于分割。保存了分割后的标签图（2913张png图片），标注出了每一个像素属于哪一个具体的物体。

2. 数据集标签格式的转换与创建

2.1. 标签格式的转换

下表为不同标签格式所存储的文件类型，不同数据集之间的标签是不通用的。

标签格式 存储文件 备注
VOC xml
yolo txt
createML json 从官网上下载的COCO数据集就是该格式，以后打算写一篇博客详细记录各个标签的内容

VOC数据集所用的是xml文件，而yolo的标签格式为txt文件，其表示方式也不一样，以下是yolo标签的一种表现形式：

在这里插入图片描述
两行表示图中有两个类别，“0”表示标签类别，“0.5575 0.12 0.845 0.21”表示边界框在图像中的位置，是归一化后的结果。
炮哥带你学博主推荐大家在自己创建数据集的时候，将标签格式设置为xml，具有标注清晰的优点，同时也存在脚本文件将xml格式转换为txt格式，脚本文件见下方实现步骤2。
将VOC数据集的xml格式转为txt格式具体实现步骤为：

  1. 创建如下格式的文件目录，如果修改文件名，则在程序中也要相应修改。

    Xml2txt
	|----- main.py
	|------ VOCdevkit（文件名可修改）
		         |----VOC2012（文件名可修改）
	                       |-----Annotations
		                   |-----JPEGImages

  2. 将以下代码复制到main.py下

    import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
from shutil import copyfile

classes = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable', 'dog',
        'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor'] # 划分的类别，依实际情况而定
# classes=["ball"]

TRAIN_RATIO = 80  # 训练集与数据集划分的比例


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): # 边界框的转换
    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/VOC2012/Annotations/%s.xml' % image_id) # xml路径
    out_file = open('VOCdevkit/VOC2012/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, "VOC2012/")
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()

    需修改的地方：
    第9行：根据自己数据集的标签内容而定。
    第42和43行：xml文件的路径以及txt文件的存储路径。
    第67行到77行：此部分应该为将数据集拆分为测试集和验证集的源文件，需要与42到43行的文件名对应。
    文件配置过程主要分为这几个步骤：1.标签格式的转换：xml->txt；2.将数据划分为训练集和验证集。文件准备完成后，应包含图像数据和txt的标签数据，同时还划分成了训练集和验证集。

  3. 运行后结果

    在这里插入图片描述
    xml格式也转成了yolo的txt格式。
    在这里插入图片描述

备注：若没有下载yolov5s的权重则需要官网下载。但本文默认已经下载完成，因为yolo在目标检测第二步中已经跑通过。

2.2. 数据集的创建

YOLO训练所需的数据集训练格式如下所示。这里特别说明是因为有一次训练过程中，我把’images’写成了’image’，造成了训练失败；其二原因是在下一节配置过程中，路径只配置了图片的路径，却能够找到标签的路径，所以我认为YOLO训练所需数据集的格式是固定的。

VOCdevkit（file name可修改）
    |---------images
  				 |-------train
  				 |-------val
  				 |-------test（可以没有） 
    |---------labels
 				 |-------train
  				 |-------val
  				 |-------test（可以没有）

其中“images"和"labels"文件的名字要相互对应，labels的格式为”txt"。

3. YOLO程序配置

该部分的配置包括data文件夹（数据集配置文件夹），model文件夹（权重配置文件夹），train.py文件夹。

3.1. 两个*.yaml文件配置

第一步
打开"yolo5-master"，对data文件下的“VOC.yaml"进行复制，重命名为”VOC_test"进行粘贴。
在这里插入图片描述
第二步
复制创建数据集的路径
在这里插入图片描述
第三步
将路径如下粘贴，并根据数据集的类别和名称修改’nc’和’names’

train: E:\Yolo_related_code\Xml2txt\VOCdevkit\images\train # 复制过来的名字再进行检查调整
val: E:\Yolo_related_code\Xml2txt\VOCdevkit\images\val

# Classes
nc: 20  # number of classes
names: ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable', 'dog',
        'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor']  # class names

第四步：修改yolov5s_test.yaml文件
对model文件下的“yolov5s.yaml"进行复制，重命名为"yolov5s_test.yaml"进行粘贴。

打开“yolov5s_test.yaml”将第4行’nc’改为训练的类别个数。
在这里插入图片描述

3.2. train.py文件修改

打开"train.py"，找到函数def parse_opt(known=False)。
主要修改以下三个参数：

    parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default=r'models/yolov5s_test.yaml', help='model.yaml path') # 修改路径
    parser.add_argument('--data', type=str, default=r'data/VOC_test.yaml', help='dataset.yaml path') # 修改路径

--weights:预训练的权重，毕竟这玩意有点玄学，选取已经训练好的参数帮助尽量达到全局最优。
--cfg:模型配置文件路径
--weights:数据集配置文件路径

3.3 开始训练

在pycharm下运行，直接运行train.py文件即可。
在命令行下，输入python train.py。
此时你不要觉得万事大吉了，也要看窗口的提示信息。

1.检查配置

在这里插入图片描述
2. 检查路径
在这里插入图片描述
3. 确认训练
在这里插入图片描述

4. 时间计算

这是为一个epochs。开始时间：13：50，结束时间14：50。

5. 训练过程遇到的问题

  1. ‘User provided device_type of ‘cuda’, but CUDA is not available. Disabling’
    在这里插入图片描述
    修改为之前“目标检测第一步”设置的解释器就可以了。
  2. OS Error：【 WinError:1455】页面文件太小，无法完成操作。
    在utils路径下找到datasets.py这个文件，将里面的第81行里面的参数nw改完0就可以了

参考链接

Pascal voc 2012 数据集简介
快速入门YOLOV5目标检测！唐宇迪：YOLOV5目标物体检测实战教程…
手把手教你搭建自己的yolov5目标检测平台

版权声明：本文为CSDN博主「橙橙小狸猫」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/weixin_42442319/article/details/121870012

标签： · · ·
点赞 0

橙橙小狸猫

我还没有学会写个人说明！

暂无评论

发表评论

相关推荐

深度学习之目标检测YOLOv5
机器视觉 2024-11-22

深度学习之目标检测YOLOv5

一.简介 YOLOV4出现之后不久，YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析&#xff0

分享到：