【YOLO学习笔记——数据集】之一YOLO数据集制作2

小鱼儿 2021-09-16 13:38 595阅读 0赞

**目录**

说在前面的话

一、准备工作

1、硬件设备

2、工具

二、数据集训练

1、图片预处理

2、训练

三、测试

--------------------

# 说在前面的话 #

小编要考研，所以博客可能更新较慢，希望大家理解。但是写博客要坚持，每个月最少四篇吧。这段时间会以考研为主，因为要涉及到毕业论文，所以很多博客是和我的毕业设计有关系。感谢每一个支持我，点击我博客观看的人，你们也是我坚持写博客的动力，我希望能把我知道的内容一起和大家分享，也希望大家能够和我一起交流。在计算机这条路上，我们一直在一起。

如果你有什么问题，希望跟我能够一起交流，除了通过博客交流外，欢迎你加入我的QQ群，一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我并未确定具体的研究方向，所以现在 处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_2FFF3F_t_70][]

还有今天是国庆节，7天小长假，祝福大家国庆节快乐，出去游玩的朋友注意自身安全，保管好自己财务，玩的开心。

下面我们回归主题，上一篇关于YOLO的博客是数据集的制作，这一次给大家讲的是数据集的训练。

这个时候要用到Python了，因为Python读写文件真的很方便，关于Python，如果大家不太熟悉，请看我的相关博客：[Python系列][Python]。这一系列博客没有很详细的从入门开始一直讲到精通，个人认为，精通一门编程语言，了解其他语言的基本语法即可，剩下的，大多数都是相通的。工作用到什么的时候，多加使用就可以了，应该把更多的重心放在架构，算法，数据结构，编程思想等其他方面，而不是广泛精通好几门编程语言。当然这只是我个人观点，给大家作为参考。

# 一、准备工作 #

## 1、硬件设备 ##

我们需要一台电脑，最好是台式机，尽量不要用笔记本，我跟同学在做一个姿态识别项目的时候，电脑烧了，真的是烧了，所以还是用一个台式机，当然，如果不方便，并且你是在学习，而不是真的在训练，用笔记本也是可以的。

除了笔记本与台式机之外，还有一个很重要，电脑的硬件配置，有没有一个NVIDIA的GPU，真的不是给它做广告，这个真的很重要，没有GPU和有GPU的训练速度差别真的是很大的。GPU使用NIVDIA的。因为我们要用到CUDA及CUDNN，AMD的显卡目前还没有找到能应用CUDA的方法。

所以最好的配置是台式机，必须要有一个NVIDIA的显卡。

![70][]

## 2、工具 ##

这次我们用到的工具主要有如下：

### 1.VS2015（C++） ###

需要配置OpenCV和CUDNN，CUDNN需要下载和你电脑CUDA对应版本的，这个需要上NVIDIA官网下载，输入电脑显卡型号，找到对应版本下载就好了。至于OpenCV，老朋友了，OpenCV安装及教程请点击：[OpenCV安装教程][OpenCV]。至于版本嘛，3.0.0 - 3.4.0 都可以。

相关的配置如下，注意下图的路径是我自己的路径，大家注意更换路径，所以就不给大家弄文字，直接图片给大家，方便大家看

![70 1][] VS2015配置

### 2.PyCharm（Python） ###

需要对文件进行操作，没有安装的点击：[安装教程][Link 1]安装即可，需要查看相关理论基础请点击：[Python系列][Python]。

### 3.训练所需文件 ###

Darknet下载：[链接][Link 2]。

darknet19\_448.conv.23：该文件可以点击链接直接下载：

wget https://pjreddie.com/media/files/darknet19_448.conv.23

YOLO权重文件及配置文件：[配置文件下载][Link 3]。

# 二、数据集训练 #

## 1、图片预处理 ##

预处理就是在训练之前需要对标注好的数据做一定处理。因为数据量比较大，我们需要对文件进行批处理，靠手动可以实现，但是一年半载都过来处理这个数据，还不如好好享受人生，所以我们让代码帮助我们完成。

在这里我们要用到Python语言了，用到的是PyCharm，PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。功能比较强大。

其实用记事本打开也是可以的，但是作为拥有强迫症的我来说，我喜欢能代码换行能自动空位，能提示，能语法高亮。看着好区分一些。

### 1.整体代码 ###

先把所有的代码给大家，代码里面有较为详细的注释，大家可以直接复制使用：

import xml.etree.ElementTree as ET    #给包xml.etree.ElementTree 定义一个 ET 别名  操作XML文件的包
    import pickle                         #pickle 模块 将某个对象所对应位置的数据抓取下来，转换成文本流，然后将文本流存入到文件中。
    import os                             #os 模块 提供了非常丰富的方法用来处理文件和目录。
    from os import listdir, getcwd        #从os包中引入 listdir, getcwd 类  
    from os.path import join              #从 os包中的path类中引入 join 方法  
    
    sets=[('2018', 'VOC')]
    
    classes = ["zuoyuting"]               #训练的类别，只有一个“zuoyuting”
    
    #-----------------------函数定义开始------------------
    def convert(size, box): #
        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(year, image_id):
        in_file = open('Annotations/%s.xml'%(image_id), encoding='UTF-8')
        out_file = open('labels/%s.txt'%(image_id), 'w', encoding='UTF-8')
        """
            ‘w’打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
        """
        #从xml文件中获取图片标注的宽与高
        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')
            
    #-----------------------函数定义结束------------------
    
            
    wd = getcwd()    # os.getcwd() 方法用于返回当前工作目录。
    
    for year, image_set in sets:
        if not os.path.exists('labels/'):              
            os.makedirs('labels/')                     
            """
                # os.path.exists() 用于判断变量、文件等是否存在。 如果labels文件夹不存在，创建一个文件夹
                # os.makedirs() 方法用于递归创建目录。
            """
    
        image_ids = open('ImageSets/Main/train.txt', encoding='UTF-8').read().strip().split()  #获取数字，以便取图片
        """
                # read() 方法用于从文件读取指定的字节数，如果未给定或为负则读取所有。
                # strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
                # split() 通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则仅分隔 num 个子字符串
        """
        list_file = open('%s.txt'%(image_set), 'w', encoding='UTF-8')
                
        for image_id in image_ids:
            list_file.write('%s/JPEGImages/%s.jpg\n'%(wd, image_id))
            convert_annotation(year, image_id)
        list_file.close()

如果没有学习过Python的话，看这段会比较困难，接下来我会简单分块讲解一下。如果大家能看懂这段可以跳过。

### 2.代码分段简介 ###

首先是引入的一些包：

关于包的相关概念，大家可以点击查看：[import介绍][import]。

一般来说，包是在你写代码的时候逐步完善的，用到哪一个就写哪一个，在这里，为了方便大家理解，在最前面会给大家统一列出了。

sets=[('2018', 'VOC')]
    classes = ["shuiyixin"]               #训练的类别，只有一个“shuiyixin”

这两个都是定义的数组，一个是为了方便一会调用文件，另一个是定义训练的类别，大家在图像标注的时候，用的是哪个就直接写哪个就行，当然大家可能训练多个类。用数组方式分别写好即可。在这里，小编就用“shuiyixin”代替啦。

然后就是定义两个函数，Python是没有括号的，区分包含关系用的是缩进的不同，所以Python和C++等其他编程语言是不同的，它是不能随便乱缩进的，好处就是可以让代码规范化，坏处就是，一旦写错一个缩进，就有可能导致出严重错误。代码写多了还不好排错。

#-----------------------函数定义开始------------------
    def convert(size, box): #
        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(year, image_id):
        in_file = open('Annotations/%s.xml'%(image_id), encoding='UTF-8')
        out_file = open('labels/%s.txt'%(image_id), 'w', encoding='UTF-8')
        """
            ‘w’打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
        """
        #从xml文件中获取图片标注的宽与高
        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')
            
    #-----------------------函数定义结束------------------

这一整体的代码是将图像标注的XML文件信息返回到图片上去，所以需要操作XML文件，将XML信息提取出来，这是第二个函数要做的工作，想要理解第一个函数，就需要打开一个XML文件来一探究竟了。大家主要看两个部分，一个是size，另一个是bndbox。

![70 2][] 图像的尺寸，参数1调用这组数据

![70 3][] 图像的四个顶点位置，参数2调用这组数据。

所以第一个函数就是处理XML文件的数据的，只有经过第一个函数处理以后的数据，才能最后转回到原图。

在下面就是主要部分了，上面定义的函数是为了让代码能够分块，可读性更强。下面就是将XML文件的信息保存到图片上。用到的相关API注释里面都有详细介绍。

for year, image_set in sets:
        if not os.path.exists('labels/'):              
            os.makedirs('labels/')                     
            """
                # os.path.exists() 用于判断变量、文件等是否存在。 如果labels文件夹不存在，创建一个文件夹
                # os.makedirs() 方法用于递归创建目录。
            """
    
        image_ids = open('ImageSets/Main/train.txt', encoding='UTF-8').read().strip().split()  #获取数字，以便取图片
        """
                # read() 方法用于从文件读取指定的字节数，如果未给定或为负则读取所有。
                # strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
                # split() 通过指定分隔符对字符串进行切片，如果参数 num 有指定值，则仅分隔 num 个子字符串
        """
        list_file = open('%s.txt'%(image_set), 'w', encoding='UTF-8')
                
        for image_id in image_ids:
            list_file.write('%s/JPEGImages/%s.jpg\n'%(wd, image_id))
            convert_annotation(year, image_id)
        list_file.close()

了解完上述代码以后就可以编译运行了，图片预处理完成。

## 2、训练 ##

### 1.代码调用流程 ###

首先说一下训练中代码调用流程，训练过程中，运行一个cmd文件，cmd文件中包括：

1.要运行的程序“Darknet.exe 或 Darknet\_no\_gpu.exe ”；

2.训练用的数据文件：voc.data。

3.YOLO用于训练的cfg文件；

4.darknet19\_448.conv.23：darknet19\_448.conv.23是使用 Imagenet 数据集进行预训练的卷积权重。（官网现在更新为：darknet53.conv.74。）

调用darknet.exe运行开始训练，训练需要的相关数据会从数据文件中获取，训练时候的相关配置与权重，分别是cfg文件和darknet19\_448.conv.23。

相关文件的下载在前面提供链接，大家可以下载使用。下载完成后，有部分内容要做修改。

### 2.Darknet编译运行 ###

Darknet有两个版本，一个是针对没有GPU的用户，一个是针对有NVIDIA显卡的用户。在前面配置完VS2015以后，找到darknet.sln 或者 Darknet\_no\_gpu.sln编译运行，注意一定要按照上面的配置配置变量，配置出错，编译会有各种各样错误。

### 3.数据文件修改 ###

![70 4][]

打开文件**修改classes**，训练了几个值，就是几。

**train**是要用来训练的文件，转向的是VOC.txt文件，文件中保存的是图片的存储位置，VOC.txt文件内容如下：

![70 5][]

**names**是训练类别的名称，名称文件、VOC.txt 和数据文件在同一文件夹下。

![70 6][]

**backup**存放的是训练好的权重文件，所以在这里backup是一个文件夹。

### 4.cfg配置文件配置 ###

这个要注意，**一方面，cfg文件有很多，选定一个，后续所有操作都用这一个。另一方面，cfg文件需要修改内容比较多，而且不要改错位置。**

我选用的是 **yolov2-tiny.cfg** 。修改的内容是以下几个方面：

首先是将下面没有注释的Batch改为64，subdivisions修改为8。这个就在配置文件最上面。

![70 7][]

然后到最下面，修改classes的值，训练了几个值，就是几。然后就是修改filters，按照下面的公式。

![70 8][]

### 5.创建训练文件 ###

新建一个命令脚本文件，命名为train\_voc2018，后缀名为cmd。

![70 9][]

右键-编辑，修改内容为如下内容：

darknet_no_gpu.exe detector train VOC2018/voc.data yolov2-tiny.cfg darknet19_448.conv.23
    pause

保存，然后双击运行。等待它训练即可。然后就可以在backup文件夹下看到训练出来的数据集。我训练到6000时用了6.5小时。可想这个等待是真的等待。

![70 10][]

不过我们可以让他先训练，我们再找一台电脑开始测试。相关内容请看 [YOLO初体验][YOLO]。有详细的代码及原理介绍。

我们将其中的cfg文件和权重文件修改成我们训练用的cfg文件和自己训练好的权重文件（尽量选择文件名数大的，准确度更高）。

# 三、测试 #

测试图如下：（比较丑，不要介意）

![70 11][] 闭眼可以识别

![70 12][] 侧脸戴眼镜可以识别，但是置信度不高

![70 13][] 怪异表情可以识别

![70 14][] 高亮背景可以识别，但是置信度不足0.8

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_2FFF3F_t_70]: /images/20210516/2c67635480e0487d9a60f67bac6a4391.png
[Python]: https://blog.csdn.net/shuiyixin/article/category/7555603
[70]: /images/20210516/c7d82bd8edc3435981bc1242c2f11678.png
[OpenCV]: https://blog.csdn.net/shuiyixin/article/details/80386022
[70 1]: /images/20210516/7b553639795f4b5db617dd7b70843ac1.png
[Link 1]: https://blog.csdn.net/shuiyixin/article/details/79775564
[Link 2]: https://github.com/pjreddie/darknet
[Link 3]: https://download.csdn.net/download/shuiyixin/10653250
[import]: https://blog.csdn.net/shuiyixin/article/details/80661690
[70 2]: /images/20210516/e8e0440b7dfb4a219d91e535c36324a8.png
[70 3]: /images/20210516/1d19123888f447aab041e88f1c207683.png
[70 4]: /images/20210516/c69daa1dc1cd4e1897d75e7580965afb.png
[70 5]: /images/20210516/f91c12d0bd254aafbdccc90bc1b42c0c.png
[70 6]: /images/20210516/a79cf8be76d449e5b1ad2ea6eeedf1ee.png
[70 7]: /images/20210516/401fc4bb05014eb98cf8c3cb0336f469.png
[70 8]: /images/20210516/a553611b7e174b8e8a94748f97046498.png
[70 9]: /images/20210516/cd4fadd5ad5f4dbd838e02711edabe1d.png
[70 10]: /images/20210516/76cf1eb0d7a84537821d8cb4d36ea8ea.png
[YOLO]: https://blog.csdn.net/shuiyixin/article/details/82468870
[70 11]: /images/20210516/e88cc051a4a54eacb42d22a75cf75c2f.png
[70 12]: /images/20210516/524fd7dd08f84aca9f5344b8d98f4af5.png
[70 13]: /images/20210516/630afe87800d40fb9ab662bbe065bc1b.png
[70 14]: /images/20210516/2fd6427a938046aab614918c93b6d8dc.png