Pytorch-yolov3项目使用总结

前言

本文主要的参考资料和github项目如下：

Could not find the Qt platform plugin windows错误解决方法:

https://blog.csdn.net/DonetRen/article/details/106437538

pytorch版yolov3训练自己数据集：

https://www.cnblogs.com/pprp/p/10863496.html

https://blog.csdn.net/qq_38587510/article/details/106019905

https://blog.csdn.net/qq_39056987/article/details/104327638

github项目：

labelImg：https://github.com/tzutalin/labelImg

yolov3：https://github.com/ultralytics/yolov3（master是`yolov5`，archive是`yolov3`）

`labelImg`

安装PyQt5和lxml就可以运行了，运行可能会需要配置环境变量

具体参考文章：https://blog.csdn.net/DonetRen/article/details/106437538

数据标注的方式和数据集分割的方式（划分为训练集、验证集和测试集）与keras-yolov3项目是一样的，但是数据格式转换的操作有所不同，pytorch-yolov3项目中没有keras项目中的voc_annotation.py用来转换数据格式，需要使用以下代码来完成操作。

# -*- coding: utf-8 -*-
"""
Created on Tue Oct  2 11:42:13 2018
此脚本VOC格式数据集构造完毕
需要说明的是：如果打算使用coco评价标准，需要继续构造符合 darknet格式的数据集(coco)，构造coco中json格式
如果要求不高，只需要VOC格式即可，使用作者写的mAP计算程序即可
需要修改的地方：
1. sets中替换为自己的数据集
2. classes中替换为自己的类别
3. 将本文件放到VOC2007同级目录
4. 直接开始运行
"""

from xml.etree import ElementTree
import pickle
import os
from os import listdir, getcwd
from os.path import join


sets = [('2007', 'train'), ('2007', 'val'), ('2007', 'test')]  # 替换为自己的数据集
# classes = ["head", "eye", "nose"]     # 修改为自己的类别
classes = ["target"]  # 因为仅有一个类别，所以给自己的类别命名为target


def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    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(f'VOC{_year}/Annotations/{_image_id}.xml')  # 将数据集放于当前目录下
    out_file = open(f'VOC{_year}/labels/{_image_id}.txt', 'w')
    # 读取xml文件
    tree = ElementTree.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)
        xml_box = obj.find('bndbox')
        b = (float(xml_box.find('xmin').text),
             float(xml_box.find('xmax').text),
             float(xml_box.find('ymin').text),
             float(xml_box.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


wd = getcwd()
for year, image_set in sets:
    if not os.path.exists(f'VOC{year}/labels/'):
        os.makedirs(f'VOC{year}/labels/')
    image_ids = open(f'VOC{year}/ImageSets/Main/{image_set}.txt').read().strip().split()
    list_file = open(f'{year}_{image_set}.txt', 'w')
    for image_id in image_ids:
        # 这里的文件路径前面做了修改
        list_file.write(f'data/VOCdevkit/VOC{year}/JPEGImages/{image_id}.jpg\n')
        convert_annotation(year, image_id)
    list_file.close()


# os.system("cat 2007_train.txt 2007_val.txt > train.txt")     #修改为自己的数据集用作训练

list_file.write(f'data/VOCdevkit/VOC{year}/JPEGImages/{image_id}.jpg\n')

这里对写入的文件路径做了调整，前面加了data/VOCdevkit，这样就可以直接把VOCdevkit整个项目复制到pytorch-yolov3项目的data目录下。

使用以上脚本生成的

`MiniConda`

实际上就是可以创建虚拟环境和包管理，但是不得不说使用conda安装包很麻烦，使用国内镜像源下载很多包依然很慢很慢，而且想换源还要不断的改配置，相比较pip是真的好用，使用哪个镜像直接一个-i就可以，而且安装包快的飞起，这次算是对miniconda的一次尝试吧，后面如果再做项目，没有特殊的环境需求，我可能还是倾向于使用统一环境，使用pip来安装包。

补充一个使用pycharm配置conda虚拟环境的方式。

`Pytorch YoloV3`

apex

apex混合精度加速，无显卡不能加速。若想要使用，需要单独从github拉相关的项目。

修改配置文件

在data目录下新建*.data文件，文件内容和说明如下：

classes = 1 # 改成你的数据集的类别个数
train = data/VOCdevkit/VOCdevkit/2007_train.txt # 通过voc_label.py文件生成的txt文件
valid = data/VOCdevkit/VOCdevkit/2007_test.txt # 通过voc_label.py文件生成的txt文件
names = data/yidun.names # 记录类别
backup = backup/ # 记录checkpoint存放位置
eval = coco # 选择map计算方式

backup=backup/ 、eval=coco这两项根据自身实际情况添加即可:

backup=backup/ 指的是会在backup文件夹下存放训练得到的checkpoint;

eval=coco指的是在测试和评判模型时采用coco数据集中的评判标准，倘若加了这一项，还需要对之前生成的.xml文件做转换，将其由VOC格式转换为coco格式的json文件。

特别注意：文件真正的内容不要包含后面的注释，否则运行时会报错

修改yolov3.cfg文件：

[convolutional]
size=1
stride=1
pad=1
filters=18  # 修改为3*(classes+5)
activation=linear


[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=1  # 修改为自己的类别数
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

只需要更改每个[yolo]层前边卷积层的filter个数和[yolo]层的classes数量即可，也就是上面代码注释部分标注的内容，一共三组6处地方需要修改；同样地，实际内容要去掉注释，否则会报错。

在Windows下运行该项目，可能会有多个地方出现打开文件时编码不正确的情况，因为Windows下默认编码为gbk，所以要么将文件编码改为gbk，要么在打开文件的地方设置encoding='utf-8'。

预训练权重文件

我们在训练数据的时候，一般使用预训练权重，即yolov3.weights，但是因为其是darket版的权重文件，需要通过一定的方式转换成pytorch版的;另外，除了最初的yolov3模型，还有在此基础上改写的tiny模型和spp模型。

这几个预训练权重文件（Darket版）在weights目录下的download_yolov3_weights.sh文件中给出了说明

文件权重模型转换：

$ git clone https://github.com/ultralytics/yolov3 && cd yolov3

# convert darknet cfg/weights to pytorch model
$ python3  -c "from models import *; convert('cfg/yolov3-spp.cfg', 'weights/yolov3-spp.weights')"
Success: converted 'weights/yolov3-spp.weights' to 'weights/yolov3-spp.pt'

# convert cfg/pytorch model to darknet weights
$ python3  -c "from models import *; convert('cfg/yolov3-spp.cfg', 'weights/yolov3-spp.pt')"
Success: converted 'weights/yolov3-spp.pt' to 'weights/yolov3-spp.weights'

实际上就是使用models.py脚本中的convert方法来转化，并且支持双向转换。不过需要搭配cfg文件夹下的.cfg文件来完成转换，会生成对应名称的.pt文件，反之亦然。

入口`train.py`

这个yolov3.pt文件在train.py的main函数的weights配置中使用，如果我们是使用命令行运行，那就在命令行中指定--weights参数就好了，如果是在类似pycharm的软件中直接执行，可以直接修改这个值，类似需要修改的还有--cfg, --data等。

命令行运行示例：

python train.py --data data/coco.data --cfg cfg/yolov3.cfg --weights yolov3.pt

另外，按照我这里训练数据存放的形式，还需要在修改datasets.py文件中的这个地方：

replace('images', 'labels') – > replace('JPEGImages', 'labels')(共两处)

因为这里在读取标签时，是直接将文件路径中的images替换为labels，后缀由jpg改为txt，而我并没有把图片放到指定的images文件下，所以这里需要改一下。

当一些必要的调整做完之后，如果不着急进度，我的建议是可以从train.py开始逐步调试，搞清楚整个项目运行的流程，具体细节一开始不用搞的很清楚，只要大概知道哪些方法都是做什么用的就行了，而且，因为一些特殊原因，可能会遇到一些报错，基本一直调试下去，就可以把所有的错误都自己独立的解决掉。

比如上面遇到的编码问题、weights参数报错（pt文件不存在）、修改配置文件不能加注释、改VOC数据生成路径、修改datasets.py等问题，均是在调试过程中发现并解决的。

模型加载

上一次研究yolov3一直不清楚yolov3.cfg这个文件的作用，只是单纯的按照要求修改文件，这次研究了下，发现这个就是yolov3模型的核心配置文件，就是从这个文件加载的神经网络模型，经过对比里面的内容发现与网络结构图一一对应：

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

# Downsample

[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

比如这里截取的部分，对应着Darknet53最开始的地方。

相应的还有yolov3-spp.cfg和yolov3-tiny.cfg，对应着稍有不同的模型，使用的时候，要搭配yolov3-spp.weights和yolov3-tiny.weights使用，不过要先转换为.pt文件才能通过pytorch使用。

训练过程

训练过程的输出（上面是输出的代码）：

1	s = ('%10s' * 2 + '%10.3g' * 6) % ('%g/%g' % (epoch, epochs - 1), mem, *mloss, len(targets), img_size)

1 2	Epoch gpu_mem GIoU obj cls total targets img_size 11/299 0G 3.54 1.44 0 4.97 6 480: 100%\|██████████\| 16/16 [04:12<00:00, 15.77s/it]

Epoch：当前轮次

gpu_mem：推测大概是GPU占的内存吧，如果没有GPU，那就是0

GIoU:一种类似IoU(交并比)的算法，使用其作为目标损失函数；

obj:objectness(置信度)；

cls:classification

*/16表示共16个批次，当前训练到第几批，因为这里总共244张图片，batch_size=16,所以总共16个batch，最后一个batch的size只有4。

验证过程的输出：

1 2	Class Images Targets P R mAP@0.5 F1: 100%\|██████████\| 3/3 [00:24<00:00, 8.18s/it] all 48 48 0.911 0.917 0.892 0.914

Class

Images：表示有多少张图片

Targets：表示有多少个要检测的目标

P：Precision准确率

R：Recall召回率

mAP：Mean Average Precision 的缩写，即均值平均精度。
作为 object dection 中衡量检测精度的指标。
计算公式为：所有类别的平均精度求和除以所有类别。

F1

模型保存

训练的过程中，会在weights文件夹下生成best.pt和last.pt两个权重文件，last.pt随着训练轮次不断更新，best.pt则保留截止当前训练过程中最好的权重。

测试

测试使用detect.py脚本,与train.py类似，运行时通过很多命令行参数来配置，如果是直接在pycharm中运行，那么直接修改相应的参数值就好了，比如这几个参数

parser.add_argument('--cfg', type=str, default='cfg/yolov3.cfg', help='*.cfg path')
parser.add_argument('--names', type=str, default='data/yidun.names', help='*.names path')
parser.add_argument('--weights', type=str, default='weights/best.pt', help='weights path')
parser.add_argument('--source', type=str, default='data/samples', help='source')  # input file/folder, 0 for webcam

cfg、names这两个和train.py保持一致，weights这里改成我们训练过程中保存下来的最好的模型权重；

source这里需要注意，这里默认的是读取data/samples目录下的图片来测试，后面的注释还写了如果设置为0，他会测试视频；因为我上面说了我是直接把数据集都放在了data/VOCdevkit下，samples里没有图片，如果要测试的话，我还需要把测试集的图片复制过去，所以我想是不是可以把这里的source值改成我的测试目录，所以就改成了data/VOCdevkit/2007_test.txt（这个文件里保存了所有测试图片的路径，但是不是实际的测试图片）我也不确定这个source这样设置是否可行，所以我就去调试了，调试发现

webcam = source == '0' or source.startswith('rtsp') or source.startswith('http') or source.endswith('.txt')

if webcam:
    view_img = True
    torch.backends.cudnn.benchmark = True  # set True to speed up constant image size inference
    dataset = LoadStreams(source, img_size=imgsz)
else:
    save_img = True
    dataset = LoadImages(source, img_size=imgsz)

因为我这里source设置的值满足后缀是.txt，所以webcam=True，然后接下来走了视频测试的流程；

然后我就把webcam主动设置为False，让程序去走图片检测的流程，最终发现source的值要求该路径下必须是实打实的图片，所以只好把测试图片全部放到samples路径下，经过下面简单的代码移动就可以了：

with open(r'data/VOCdevkit/2007_test.txt', 'r', encoding='utf-8') as fr:
    images = fr.readlines()
    for i, image in enumerate(images):
        with open(image.strip(), 'rb') as f:
            image_content = f.read()
            fw = open(f'data/samples/test{i+1}.jpg', 'wb')
            fw.write(image_content)
            fw.close()

预测完成之后，会在output文件夹下，生成检测结果——带有检测框的图片，直接打开查看框是否准确即可。

项目实践过程：

1、切分图片并从CAD导出数据集

2、标注数据

3、训练数据，无效果–>怀疑是尺寸问题

4、resize图片和标注好的xml文件

5、利用k-means算法重新生成anchor box的大小,有初步的效果。

前言

labelImg

MiniConda

Pytorch YoloV3