【YOLO】理论与实现



🗓 2024年07月14日     📁 文章归类: 0x25_CV    

版权声明：本文作者是郭飞。转载随意，标明原文链接即可。
原文链接：https://www.guofei.site/2024/07/14/yolo.html


YOLO

（you only look once）

  • Real-Time：速度快，标准版每秒处理 45帧，Fast YOLO 每秒 155帧
  • YOLO 把检测编程一个回归问题，输入是图像，输出是 bounding boxes + 类别的概率
  • 应用极为广泛，例如 自动驾驶、安防监控

YOLO-v1 的思路

  • 分割图片，形成 SxS 个 grid，每个 grid 大小相同
  • YOLO 要求物体的 中心 落在某个 grid 中，那么由这个 grid 来表示有这个物体，假设一个框可以预测 B 个物品
  • 每个物品有5个量，分别是物体的中心位置 (x, y)，它的高和宽 (h, w) 预测的置信度 confidence，
  • 假设整个 YOLO 需要预测 C 种物品
  • 那么每个框需要预测 B * 5 + C 个数字
  • 因此整个模型的 y 的长度为 S * S * (B * 5 + C)
  • 举例来说：
    • 某个 YOLO 可以检测 20种物体，它用的是 7x7 的 grid，每个框预测 2个物体，那么它的输出是：
    • 7 * 7 * (2 * 5 + 20) = 7 * 7 * 30 的 tensor
    • 它最多能预测多少个物体？7 * 7 * 2 个
  • 损失函数：误差 = 定位误差 + 分类误差
  • 特点
    • 速度快。因为是一个网络，且是一个回归问题
    • 基于其设计特点，YOLO 在训练和推理时会看到整个图像，比 RCNN 之类的正确率高
    • 泛化好。能学习到物体的通用表示
    • 使用了更少的卷积层

:caption: YOLO

NMS

  • 问题：一个物体可能被多个框检测到
  • 为了去掉多余的框，设计了以下做法

算法

  1. 选取这类 box 中 scores 最大的那个，记为 box_bset
  2. 计算 box_best 与其它 box 的 IOU
  3. 如果 IOU > 0.5，认为它们表示了同一个目标，就丢弃掉这个 box
  4. 在剩余的 box 中，再找 最大 score，如此循环

实践

  1. labelImg：用来做图像标注的工具
    • 标注后的数据除了图片外，是 xml 格式，里面有类别、坐标等信息
  2. 用 torch 直接写 YOLO 还是稍微麻烦，可以调一个封装好的包 ultralytics

使用预训练模型

from ultralytics import YOLO

# 会自动下载模型，下次换成下载好的模型文件
model = YOLO('yolo26n.pt')

# 使用model进行目标检测
results = model("/1.png")
results[0].show()

caption: yolo26n

训练

文件结构

├── dataset.yaml
├── test
│   │   └── ...
└── train
    ├── images
    │   ├── 0.jpg
    │   └── 0.xml
    ├── test.txt
    ├── train.txt
    └── val.txt

其中，dataset.yaml 是这样的：

path: ./all_data  # 数据集根目录，最好用绝对路径
train: train/images  # 训练图像路径
val: eval/images
test:  test/images


# 类别名称
names:
  0: cat
  1: dog
  2: people
  3: cup
  4: door
  5: car

训练代码

from ultralytics import YOLO
import os

model = YOLO('yolo26n.pt')
# model = YOLO('yolo26n.yaml') # 这个从头开始训练

model.info()

# 模型训练
results = model.train(
    data='./data/dataset.yaml',      # 数据集配置文件
    epochs=20,               # 训练轮数
    batch=16,                 # 批次大小
    imgsz=640,               # 输入图像尺寸
    patience=50,              # 早停轮数
    save=True,               # 保存模型
    device='0',              # GPU设备号，如果使用CPU则设为'cpu'
    workers=8,               # 数据加载线程数
    pretrained=True,         # 是否使用预训练权重
    optimizer='auto',        # 优化器类型
    verbose=True,            # 是否显示详细信息

    # 数据增强参数
    scale=0.5,              # 图像缩放比例
    mosaic=1.0,             # 马赛克数据增强概率
    mixup=0.1,              # 混合数据增强概率
    copy_paste=0.1,         # 复制粘贴增强概率
)

# 在测试集上评估模型
results = model.val()

加载模型并预测

# 加载训练好的模型
model2 = YOLO('./runs/detect/train28/weights/best.pt') 

# 在单张图像上测试模型
test_image_dir = './data/test/images'
if os.path.exists(test_image_dir):
    for image_name in os.listdir(test_image_dir)[:5]:  # 测试前5张图片
        image_path = os.path.join(test_image_dir, image_name)
        results = model2(image_path)
        # 保存预测结果
        results[0].save(os.path.join('./runs/detect/predict', image_name))

（还有训练它的代码，去官网上看）

您的支持将鼓励我继续创作！