互联网门户网站,wordpress媒体库无法显示,常州高端网站建设,吉林省招标网官方网站前言
Amusi 发现一个很棒的开源项目#xff0c;利用YOLOv5进行目标检测的落地化应用#xff1a;安全帽佩戴检测。 该项目使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集#xff0c;代码和权重均已开源#xff01;安全帽佩戴检测数据集也是开源的…前言
Amusi 发现一个很棒的开源项目利用YOLOv5进行目标检测的落地化应用安全帽佩戴检测。 该项目使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集代码和权重均已开源安全帽佩戴检测数据集也是开源的共含7581 张图像
项目教程也相当详细推荐入门练手学习而且有意思的是该项目和数据集的两位作者均是中国人点赞
项目链接文末附下载GitHub - xiaobingchan/Smart_Construction: Head Person Helmet Detection on Construction Sites基于目标检测工地安全帽和禁入危险区域识别系统附 YOLOv5 训练自己的数据集超详细教程
数据集链接文末附下载https://github.com/xiaobingchan/Safety-Helmet-Wearing-Dataset
Smart_Construction
该项目是使用 YOLOv5 来训练在智能工地安全领域中头盔目标检测的应用 指标
yolov5s 为基础训练epoch 50 对应的权重文件百度云提取码: b981
yolov5m 为基础训练epoch 100 对应的权重文件百度云提取码: psst
yolov5l 为基础训练epoch 100 对应的权重文件百度云提取码: a66e
1.YOLO v5训练自己数据集教程
使用的数据集Safety-Helmet-Wearing-Dataset 感谢这位大神的开源数据集
本文结合 YOLOv5官方教程 来写环境准备
首先确保自己的环境
Python 3.7
Pytorch 1.5.x
训练自己的数据
提示
关于增加数据集分类的方法请看【5. 增加数据集的分类】
1.1 创建自己的数据集配置文件
因为我这里只是判断 【人没有带安全帽】、【人有带安全帽】、【人体】 3个类别 基于 data/coco128.yaml 文件创建自己的数据集配置文件 custom_data.yaml
# 训练集和验证集的 labels 和 image 文件的位置
train: ./score/images/train
val: ./score/images/val# number of classes
nc: 3# class names
names: [person, head, helmet]1.2 创建每个图片对应的标签文件
使用标注工具类似于 Labelbox 、CVAT 、精灵标注助手 标注之后需要生成每个图片对应的 .txt 文件其规范如下
每一行都是一个目标类别序号是零索引开始的从0开始每一行的坐标 class x_center y_center width height 格式框坐标必须采用归一化的 xywh格式从0到1。如果您的框以像素为单位则将x_center和width除以图像宽度将y_center和height除以图像高度。代码如下
import numpy as np
def convert(size, box):将标注的 xml 文件生成的【左上角x,左上角y,右下角x右下角y】标注转换为yolov5训练的坐标:param size: 图片的尺寸 [w,h]:param box: anchor box 的坐标 [左上角x,左上角y,右下角x,右下角y,]:return: 转换后的 [x,y,w,h]x1 int(box[0])y1 int(box[1])x2 int(box[2])y2 int(box[3])dw np.float32(1. / int(size[0]))dh np.float32(1. / int(size[1]))w x2 - x1h y2 - y1x x1 (w / 2)y y1 (h / 2)x x * dww w * dwy y * dhh h * dhreturn [x, y, w, h]生成的 .txt 文件放置的名字是图片的名字放置在 label 文件夹中例如
./score/images/train/00001.jpg # image
./score/labels/train/00001.txt # label
生成的 .txt 例子
1 0.1830000086920336 0.1396396430209279 0.13400000636465847 0.15915916301310062
1 0.5240000248886645 0.29129129834473133 0.0800000037997961 0.16816817224025726
1 0.6060000287834555 0.29579580295830965 0.08400000398978591 0.1771771814674139
1 0.6760000321082771 0.25375375989824533 0.10000000474974513 0.21321321837604046
0 0.39300001866649836 0.2552552614361048 0.17800000845454633 0.2822822891175747
0 0.7200000341981649 0.5570570705458522 0.25200001196935773 0.4294294398277998
0 0.7720000366680324 0.2567567629739642 0.1520000072196126 0.23123123683035374
1.3 文件放置规范
文件树如下 1.4 聚类得出先验框可选
使用代码 ./data/gen_anchors/clauculate_anchors.py 修改数据集的路径
FILE_ROOT rxxx # 根路径
ANNOTATION_ROOT rxxx # 数据集标签文件夹路径
ANNOTATION_PATH FILE_ROOT ANNOTATION_ROOT跑完会生成一个文件 anchors.txt里面有得出的建议先验框
Best Accuracy 79.72%Best Anchors [[14.74, 27.64], [23.48, 46.04], [28.88, 130.0], [39.33, 148.07], [52.62, 186.18], [62.33, 279.11], [85.19, 237.87], [88.0, 360.89], [145.33, 514.67]]
1.5 选择一个你需要的模型
在文件夹 ./models 下选择一个你需要的模型然后复制一份出来将文件开头的 nc 修改为数据集的分类数下面是借鉴 ./models/yolov5s.yaml来修改的
# parameters
nc: 3 # number of classes 修改这里为数据集的分类数
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # layer channel multiple# anchors
anchors: # 根据 ./data/gen_anchors/anchors.txt 中的 Best Anchors 修改需要取整可选- [14,27, 23,46, 28,130] - [39,148, 52,186, 62.,279] - [85,237, 88,360, 145,514]# YOLOv5 backbone
backbone:# [from, number, module, args][[-1, 1, Focus, [64, 3]], # 0-P1/2[-1, 1, Conv, [128, 3, 2]], # 1-P2/4[-1, 3, BottleneckCSP, [128]],[-1, 1, Conv, [256, 3, 2]], # 3-P3/8[-1, 9, BottleneckCSP, [256]],[-1, 1, Conv, [512, 3, 2]], # 5-P4/16[-1, 9, BottleneckCSP, [512]],[-1, 1, Conv, [1024, 3, 2]], # 7-P5/32[-1, 1, SPP, [1024, [5, 9, 13]]],[-1, 3, BottleneckCSP, [1024, False]], # 9]# YOLOv5 head
head:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, nearest]],[[-1, 6], 1, Concat, [1]], # cat backbone P4[-1, 3, BottleneckCSP, [512, False]], # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, nearest]],[[-1, 4], 1, Concat, [1]], # cat backbone P3[-1, 3, BottleneckCSP, [256, False]], # 17[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]], # cat head P4[-1, 3, BottleneckCSP, [512, False]], # 20[-1, 1, Conv, [512, 3, 2]],[[-1, 10], 1, Concat, [1]], # cat head P5[-1, 3, BottleneckCSP, [1024, False]], # 23[[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)]
1.6 开始训练
这里选择了 yolov5s 模型进行训练权重也是基于 yolov5s.pt 来训练
python train.py --img 640 --batch 16 --epochs 10 --data ./data/custom_data.yaml --cfg ./models/custom_yolov5.yaml --weights ./weights/yolov5s.pt
其中yolov5s.pt 需要自行下载放在本工程的根目录即可下载地址 官方权重
1.7 看训练之后的结果
训练之后权重会保存在 ./runs 文件夹里面的每个 exp 文件里面的 weights/best.py 里面还可以看到训练的效果 2. 侦测
侦测图片会保存在 ./inferenct/output/ 文件夹下
运行命令
python detect.py --source 0 # webcamfile.jpg # image file.mp4 # videopath/ # directorypath/*.jpg # globrtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa # rtsp streamhttp://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8 # http stream
3. 检测危险区域内是否有人
3.1 危险区域标注方式
我这里使用的是 精灵标注助手 标注生成了对应图片的 json 文件
3.2 执行侦测
侦测图片会保存在 ./inferenct/output/ 文件夹下
运行命令
python area_detect.py --source ./area_dangerous --weights ./weights/helmet_head_person_s.pt
3.3 效果在危险区域里面的人体会被 红色框 选出来 4. 生成 ONNX
4.1 安装 onnx 库
pip install onnx
4.2 执行生成
python ./models/export.py --weights ./weights/helmet_head_person_s.pt --img 640 --batch 1
onnx 和 torchscript 文件会生成在 ./weights 文件夹中
5. 增加数据集的分类
关于增加数据集分类的方法
SHWD 数据集里面没有 person 的类别先将现有的自己的数据集执行脚本生成 yolov5 需要的标签文件 .txt之后再用 yolov5x.pt 加上 yolov5x.yaml 使用指令检测出人体
python detect.py --save-txt --source ./自己数据集的文件目录 --weights ./weights/yolov5x.pt
yolov5 会推理出所有的分类并在 inference/output 中生成对应图片的 .txt 标签文件
修改 ./data/gen_data/merge_data.py 中的自己数据集标签所在的路径执行这个python脚本会进行 person 类型的合并
欢迎 star ✨✨✨
项目开源链接https://github.com/PeterH0323/Smart_Construction
CVer-目标检测交流群
建了目标检测微信群目前近450人。想要进检测群的同学可以直接加微信号CVer5555。加的时候备注一下目标检测学校昵称即可。然后就可以拉你进群了。可以在群里交流讨论2D/3D目标检测、遥感/水下目标检测等方向。
另外强烈推荐阅读Amusi 整理过的最全资料系列如下
GitHub深度学习最全资料集锦GitHub图像分类最全资料集锦GitHub目标检测最全论文集锦GitHub图像分割最全资料集锦GitHub目标跟踪最全资料集锦GitHub人群密度估计最全资料集锦GitHub车道线检测最全资料集锦GitHubTensorFlow最全资料集锦GitHubAnchor-free目标检测最全资料集锦GitHub数据增广最全资料集锦GitHub语义分割最全资料集锦GitHub人群计数最全资料集锦
推荐大家关注计算机视觉论文速递知乎专栏和CVer微信公众号可以快速了解到最新优质的CV论文。
推荐阅读
如何将深度学习研究论文实现为代码的几个要点
300篇CVPR 2020代码开源的论文全在这里了
955 不加班的公司名单955.WLB
北京提供计算机视觉CV算法岗的公司名单
上海提供计算机视觉CV算法岗的公司名单
大盘点 | 十大即插即用的涨点神器
YOLOv5被禁用Kaggle全球小麦检测竞赛结果惹争议
CVPR 引用量最高的10篇论文何恺明ResNet登顶YOLO占据两席
ICCV 引用量最高的10篇论文何恺明两篇一作论文Mask R-CNN和PReLU
ECCV 引用量最高的10篇论文SSD登顶何恺明ResNet改进版位居第二
OpenCV4.4刚刚发布支持YOLOv4、EfficientDet检测模型SIFT移至主库
目标检测四大开源神器Detectron2/mmDetection/darknet/SimpleDet
超越YOLOv4PP-YOLO更快更好的目标检测网络
ECCV 2020 放榜一文看尽10篇论文的开源项目检测/GAN/SR等方向
有人手写实现李航《统计学习方法》书中全部算法
大神没交棒但YOLOv5来了
大神接棒YOLOv4来了
YOLOv4-Tiny来了371 FPS
ResNet最强改进版来了ResNeStSplit-Attention Networks
周志华教授如何做研究与写论文
任何程序错误以及技术疑问或需要解答的请添加
