YOLOv5目标检测效果不好 yolov3目标检测完整步骤

本文将带你打造一个汽车检测器，使用的算法是PyTorch版本的YOLOV3。我们不会讲解该算法的细节，而是专注于如何去实现自己的汽车检测器，主要包括数据下载，数据清洗，数据集制作以及训练和检测（图片检测，视频检测）等过程。即使你不知道YOLOV3是什么也没关系，这对于阅读本文几乎毫无影响。

 

 

 

1数据集下载

为了检测汽车，首先需要获取含有汽车的标注好的数据集，这里我选择了KITTI。由于官网下载太慢，推荐使用下面的百度云链接进行下载。

下载KITTI数据集： https://pan.baidu.com/s/1t3TXXkqVR4NGqZwQiGEIzg
提取码：cw35

源码来自Github开源项目https://github.com/eriklindernoren/PyTorch-YOLOv3，为了适应本文的内容，我将其做了些许更改，一并上传到了百度云，在公众号后台回复detect直达下载地址。

2数据清洗

在主目录PyTorch-YOLOv3-master下新建文件夹datasets，在datasets中新建四个文件夹：train_image,train_label,proceed_train_image_path,proceed_train_label_path

将下载好的图片数据(.png)全部移动到train_image，标签数据(.txt)全部移动到train_label.

本部分的数据清洗主要针对以下问题：

• 由于不可知的原因，下载下来的数据中，有些图片是损坏的，不能够被加入训练集
• 原始kitti数据集的标注标签中，除了模型必须的信息（1个目标所属类别+4个位置坐标）外，还包含其余信息，我们需要过滤掉这些信息；
• 同时，我们只需要检测Car，因此需要将其余类别（非Car）的信息也过滤掉。
• 在kitti数据集中，坐标格式为：<left top right bottom>



• 而本次使用的YOLOV3模型要求的格式为：<x_center y_center width height>

因此需要做一个转换，转换公式为：

• 根据模型的要求，坐标需要做归一化处理：

其中，和分别代表训练集图片的宽度和高度。

实现上述要求的代码如下：

import os
import cv2
import shutil

#原数据存放路径
train_img_path='train_image'
train_label_path='train_label'
#过滤后的数据存放路径
proceed_train_image_path='proceed_train_image_path'
proceed_train_label_path='proceed_train_label_path'
#图像尺寸
w=1242
h=375

for img_name in os.listdir(train_img_path):
    current_img=cv2.imread(os.path.join(train_img_path,img_name))
    if current_img is not None:
        print(img_name)
        label_name=img_name.split('.')[0]+'.txt'
        label_path=os.path.join(train_label_path,label_name)

        flag=0#当前图片是否包含Car
        with open(label_path,'r') as f:
            all_obj=f.readlines()
            #对于当前图片中每一个目标
            for obj in all_obj:
                info=obj.split(' ')
                name=info[0]#类别
                left,top,right,bottom=float(info[4]),float(info[5]),float(info[6]),float(info[7])#四个坐标
                #将四个坐标转换为x_center,y_center,width,height的格式
                width=right-left
                height=bottom-top
                x_center=left+width/2
                y_center=top+height/2
                #将其归一化
                width=width/w
                height=height/h
                x_center=x_center/w
                y_center=y_center/h

                #发现car，开始写入
                if name == 'Car':
                    flag=1
                    with open(os.path.join(proceed_train_label_path,label_name),'a+') as nf:
                        nf.write('0 '+str(x_center)+' '+str(y_center)+' '+str(width)+' '+str(height)+'\n')

        if flag==1:
            pass
            shutil.copy(os.path.join(train_img_path,img_name),os.path.join(proceed_train_image_path,img_name))
            
    else:
        print('{}图片已损坏'.format(img_name))

在datasets文件夹下打开jupyter notebook，新建文件，写入上述代码并运行，就完成了数据清洗。

清洗后的图片数据(.png)存放在proceed_train_image_path，与之对应的标签数据(.txt)存放在proceed_train_label_path。

其中，图片数据就是一张张的图片，而标签数据是一个个的文本文档，并且每一张图片对应一个这样的文本文档：

文本文档的内容是一行一行的数据，每一行都代表该文本文档对应的图片中被标注的一个目标（在这里的目标就是车, Car），图片中有几辆车被标注出来，该文本文档就有多少行。

每一行包含5个信息，第一个是目标所属类别，这里由于只检测车(Car)，也就是只有1类，因此都是0(根据模型的要求，0代表Car，我们只需在data/custom/classes.names中的第一行写入Car即可)，后面四个分别代表了处理后(坐标转换+归一化)的边界框的坐标：

3制作数据集

将上一步得到的图片数据(.png)和标签数据(.txt)分别移动到data/custom/images和data/custom/labels，若没有这两个文件夹则需先手动创建。

现在开始制作数据集。主要是制作训练集和验证集对应的.txt文件:

在主目录PyTorch-YOLOv3-master下，打开jupyter notebook，新建文件，写入以下代码：

import os
img_path='data/custom/images'
#制作.txt
for i,img_name in enumerate(os.listdir(img_path)):
    if i<100:
        with open(os.path.join('data/custom','valid.txt'),'a+') as f1:
            f1.write(os.path.join(img_path,img_name+'\n'))
    else:
        with open(os.path.join('data/custom','train.txt'),'a+') as f2:
            f2.write(os.path.join(img_path,img_name+'\n'))

从上述代码可以看出，选取了前100张作为验证集，其余作为训练集。

现在，data/custom路径下的所有文件(夹)结构如下：

4开始训练

在训练之前，先将作者提供的预训练好的darknet53权重下载下来，具体地，在weights文件夹中，执行如下命令：

sh download_weights.sh

它还会额外下载另外两个权重：yolov3.weights和yolov3-tiny.weights，这些其实是用不到的，可以忽略。

然后进入config文件夹下，执行如下命令：

sh create_model.sh 1

这是在制作yolov3网络的配置文件，其中的1代表总共有几类，由于这里只检测车(Car)，所以只有1类。

完成以上操作后，如果显存足够大，就可以开始训练了，在主目录PyTorch-YOLOv3-master下打开终端，执行以下命令：

python train.py --model config/yolov3-custom.cfg --data config/custom.data --pretrained_weights weights/darknet53.conv.74

如果显存较小，可能会报CUDA内存溢出的错误，可以手动调小batch_size。我是在GTX1070上进行训练的，就报了这个错误，想调一下batch_size，却发现它不是直接给出的一个超参数，而是计算得到的，打印了一下，发现当前的batch_size为16：

我采取了一个简单粗暴的方法，就是直接手动将mini_batch_size设置为4：

现在，再次执行上面的命令，就开始了了漫长的训练过程

5开始检测

训练完成后，就可以使用该模型对自己的数据进行检测了。

将待检测的图片数据放在data/samples，注意先清空这个文件夹下的其他图片： 12 然后，打开detect.py，修改其中run函数的部分代码：

weights中的141代表这是第141个epoch得到的权重，你可以自行选择效果较好的epoch对应的权重文件，只需将141替换为你的epoch即可。

现在，在主目录PyTorch-YOLOv3-master下，打开终端，输入如下命令：

python detect.py --images data/samples/

检测过程输出如下：

检测完成后，在output文件夹中，就能看到检测后的结果，每一个被检测出来的Car都被框起来了：

如果你已经完成了训练，但是在检测过程中没有得到上述输出，在output文件夹中的图片中的Car也没有被框起来，可以打开detect.py，将conf_thres调小一些，比如我调成了0.1：

之后保存该文件，再次执行检测的命令就可以了。

6视频检测

将视频切分成帧，每一帧都是一张图片，将全部的帧送入检测器进行检测，再将检测后的图片合成回视频，就完成了对视频的目标检测。

在主目录PyTorch-YOLOv3-master下，新建文件夹process_video和image，将待检测的视频放到process_video文件夹中，并在process_video中新建脚本，写入如下的视频切分代码：

import cv2
vc=cv2.VideoCapture("segment-1.avi")
c=1
if vc.isOpened():
    rval,frame=vc.read()
else:
    rval=False
while rval:
    rval,frame=vc.read()
    cv2.imwrite('image/'+str(c)+'.jpg',frame)
    c=c+1
    cv2.waitKey(1)
vc.release()

运行上述代码，就完成了视频的切分，切分后的图片存放在新建的image文件夹中。

执行如下检测命令：

python detect.py --images process_video/image

检测后的图片被保存在output文件夹中，同样注意检测前先清空该文件夹，便于接下来的视频合成。

检测出来的部分结果展示如下：

现在，在主目录PyTorch-YOLOv3-master下，新建脚本，键入如下代码，即可将图片合成为视频：

import cv2
import os
img=cv2.imread('output/10.png')
size=img.shape[:2][::-1]
fourcc = cv2.VideoWriter_fourcc('M', 'J', 'P', 'G')
videoWriter = cv2.VideoWriter('out.avi', fourcc, 30, size)
img_dir='output'
for img_name in sorted(os.listdir(img_dir),key=lambda x: int(x.split('.')[0])):
    print(img_name)
    img = os.path.join('output', img_name)
    frame = cv2.imread(img)
    videoWriter.write(frame)
videoWriter.release()

输出的视频文件out.avi保存在主目录PyTorch-YOLOv3-master下。