我使用的是百度开源的飞桨平台提供的开源目标识别算法：PaddleDetection
链接如下：https://github.com/PaddlePaddle/PaddleDetection
今天整理一下算法识别的功能实现，这个东西我研究了整整一周的时间才终于有了点效果。好难。
我查了好多好多资料，都没有一个很完整的教学，包括B站教学也没有，所以我必须要写这篇文章《从0到1实现完成的目标识别》
我将从几个方面非常详细的介绍整个开发部署流程。
- 显卡安装部署
- python环境搭建
- paddlepaddle安装
- labelme图像数据标记
- labelme数据转换coco数据集
- 模型训练
- 模型导出
- 模型推理预测
这8个非常完整详细的步骤贼详细的介绍我的每一步操作。希望能帮到大家。
下面开干！
这个网盘链接有这篇文章用到的所有。
通过网盘分享的文件：shareFile
链接: https://pan.baidu.com/s/1Iz6sMA2NdhYp4HwQu3fyXw?pwd=cmed 提取码: cmed
1.显卡安装部署
文件自行提取，我的版本是11.2，所以我后面安装的paddlepaddle也是11.2版本
1、安装cudn的显卡驱动一路一直下一步完成安装就可以了。
2、安装cudnn
首先要解压文件夹，
然后把这几个文件拷贝到：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
3、验证cudnn是否安装成功
复制完后，在当前目录下进入 extras -> demo_suite，可以看到有 bandwidthTest.exe 和 deviceQuery.exe
并在路径中输入 cmd 打开命令行窗口
输入 bandwidthTest.exe ，输出下图：
输入 deviceQuery.exe，输出下图：
至此， CUDA 与 cudnn 安装成功，可以使用 GPU 加速了
2、python环境搭建
我这里使用Anaconda来搭建一个python的隔离环境，能够更好的跟其他python项目隔离。安装和删除都方便。
1、安装Anaconda
这个安装包也在网盘里，双击 Anaconda3-2024.06-1-Windows-x86_64.exe 安装，一路下一步就可以，就也不放截图了。
最后安装完，再home里会有一个图标如下，就是conda
2、打开conda
点击打开
3、创建python环境
输入命令，这里是使用python 3.10 ，（建议不懂的就全跟我保持一致）
ppyoloe ：是容器名字，可以修改
conda create --name ppyoloe python=3.10
4、激活环境
ppyoloe ： 是刚刚创建的环境名称
输入命令
conda activate ppyoloe
可以看到前缀已经是ppyoloe了，说明进到我们自己创建的环境了。
3.paddlepaddle安装
首先可以看一下官网：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html
1、安装
我们安装就是复制他的链接。
python -m pip install paddlepaddle-gpu==2.6.2.post112 -i https://www.paddlepaddle.org.cn/packages/stable/cu112/
运行这个命令要等有一会，他要下载东西。等着就好了。
2、验证安装
安装完成后您可以使用 python 进入 python 解释器，输入import paddle ，再输入 paddle.utils.run_check()
如果出现PaddlePaddle is installed successfully!，说明您已成功安装。
4.labelme图像数据标记
1、安装启动labelme
只需要一个命令直接下载安装
pip install labelme
启动labelme
输入命令
labelme
2、使用labelme
这就能看到labelme界面了。如下图
之后点击左上角的打开目录，打开我们自己的图片集就行了，
然后接下来就是标记图形了，按照我下面的操作就完成了一张图片的标记，保存之后就是生成了一个json文件。
3、labelme转换coco数据集
首先下载一下官网提供的源码文件：labelme2coco.py
import argparse
import collections
import datetime
import glob
import json
import os
import os.path as osp
import sys
import uuid
import imgviz
import numpy as np
import labelme
from sklearn.model_selection import train_test_split
try:
import pycocotools.mask
except ImportError:
print("Please install pycocotools:\n\n pip install pycocotools\n")
sys.exit(1)
def to_coco(args, label_files, train):
# 创建 总标签data
now = datetime.datetime.now()
data = dict(
info=dict(
description=None,
url=None,
version=None,
year=now.year,
contributor=None,
date_created=now.strftime("%Y-%m-%d %H:%M:%S.%f"),
),
licenses=[dict(url=None, id=0, name=None, )],
images=[
# license, url, file_name, height, width, date_captured, id
],
type="instances",
annotations=[
# segmentation, area, iscrowd, image_id, bbox, category_id, id
],
categories=[
# supercategory, id, name
],
)
# 创建一个 {类名 : id} 的字典，并保存到 总标签data 字典中。
class_name_to_id = {}
for i, line in enumerate(open(args.labels).readlines()):
class_id = i - 1 # starts with -1
class_name = line.strip() # 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。
if class_id == -1:
assert class_name == "__ignore__" # background:0, class1:1, ,,
continue
class_name_to_id[class_name] = class_id
data["categories"].append(
dict(supercategory=None, id=class_id, name=class_name, )
)
if train:
out_ann_file = osp.join(args.output_dir, "annotations", "instances_train2017.json")
else:
out_ann_file = osp.join(args.output_dir, "annotations", "instances_val2017.json")
for image_id, filename in enumerate(label_files):
label_file = labelme.LabelFile(filename=filename)
base = osp.splitext(osp.basename(filename))[0] # 文件名不带后缀
if train:
out_img_file = osp.join(args.output_dir, "train2017", base + ".jpg")
else:
out_img_file = osp.join(args.output_dir, "val2017", base + ".jpg")
print("| ", out_img_file)
# ************************** 对图片的处理开始 *******************************************
# 将标签文件对应的图片进行保存到对应的 文件夹。train保存到 train2017/ test保存到 val2017/
img = labelme.utils.img_data_to_arr(label_file.imageData) # .json文件中包含图像，用函数提出来
imgviz.io.imsave(out_img_file, img) # 将图像保存到输出路径
# ************************** 对图片的处理结束 *******************************************
# ************************** 对标签的处理开始 *******************************************
data["images"].append(
dict(
license=0,
url=None,
file_name=base + ".jpg", # 只存图片的文件名
# file_name=osp.relpath(out_img_file, osp.dirname(out_ann_file)), # 存标签文件所在目录下找图片的相对路径
## out_img_file : "/coco/train2017/1.jpg"
## out_ann_file : "/coco/annotations/annotations_train2017.json"
## osp.dirname(out_ann_file) : "/coco/annotations"
## file_name : ..\train2017\1.jpg out_ann_file文件所在目录下 找 out_img_file 的相对路径
height=img.shape[0],
width=img.shape[1],
date_captured=None,
id=image_id,
)
)
masks = {} # for area
segmentations = collections.defaultdict(list) # for segmentation
for shape in label_file.shapes:
points = shape["points"]
label = shape["label"]
group_id = shape.get("group_id")
shape_type = shape.get("shape_type", "polygon")
mask = labelme.utils.shape_to_mask(
img.shape[:2], points, shape_type
)
if group_id is None:
group_id = uuid.uuid1()
instance = (label, group_id)
if instance in masks:
masks[instance] = masks[instance] | mask
else:
masks[instance] = mask
if shape_type == "rectangle":
(x1, y1), (x2, y2) = points
x1, x2 = sorted([x1, x2])
y1, y2 = sorted([y1, y2])
points = [x1, y1, x2, y1, x2, y2, x1, y2]
else:
points = np.asarray(points).flatten().tolist()
segmentations[instance].append(points)
segmentations = dict(segmentations)
for instance, mask in masks.items():
cls_name, group_id = instance
if cls_name not in class_name_to_id:
continue
cls_id = class_name_to_id[cls_name]
mask = np.asfortranarray(mask.astype(np.uint8))
mask = pycocotools.mask.encode(mask)
area = float(pycocotools.mask.area(mask))
bbox = pycocotools.mask.toBbox(mask).flatten().tolist()
data["annotations"].append(
dict(
id=len(data["annotations"]),
image_id=image_id,
category_id=cls_id,
segmentation=segmentations[instance],
area=area,
bbox=bbox,
iscrowd=0,
)
)
# ************************** 对标签的处理结束 *******************************************
# ************************** 可视化的处理开始 *******************************************
if not args.noviz:
labels, captions, masks = zip(
*[
(class_name_to_id[cnm], cnm, msk)
for (cnm, gid), msk in masks.items()
if cnm in class_name_to_id
]
)
viz = imgviz.instances2rgb(
image=img,
labels=labels,
masks=masks,
captions=captions,
font_size=15,
line_width=2,
)
out_viz_file = osp.join(
args.output_dir, "visualization", base + ".jpg"
)
imgviz.io.imsave(out_viz_file, viz)
# ************************** 可视化的处理结束 *******************************************
with open(out_ann_file, "w") as f: # 将每个标签文件汇总成data后，保存总标签data文件
json.dump(data, f)
# 主程序执行
def main():
parser = argparse.ArgumentParser(
formatter_class=argparse.ArgumentDefaultsHelpFormatter
)
parser.add_argument("--input_dir", help="input annotated directory")
parser.add_argument("--output_dir", help="output dataset directory")
parser.add_argument("--labels", help="labels file", required=True)
parser.add_argument("--noviz", help="no visualization", action="store_true")
args = parser.parse_args()
if osp.exists(args.output_dir):
print("Output directory already exists:", args.output_dir)
sys.exit(1)
os.makedirs(args.output_dir)
print("| Creating dataset dir:", args.output_dir)
if not args.noviz:
os.makedirs(osp.join(args.output_dir, "visualization"))
# 创建保存的文件夹
if not os.path.exists(osp.join(args.output_dir, "annotations")):
os.makedirs(osp.join(args.output_dir, "annotations"))
if not os.path.exists(osp.join(args.output_dir, "train2017")):
os.makedirs(osp.join(args.output_dir, "train2017"))
if not os.path.exists(osp.join(args.output_dir, "val2017")):
os.makedirs(osp.join(args.output_dir, "val2017"))
# 获取目录下所有的.jpg文件列表
feature_files = glob.glob(osp.join(args.input_dir, "*.jpg"))
print('| Image number: ', len(feature_files))
# 获取目录下所有的joson文件列表
label_files = glob.glob(osp.join(args.input_dir, "*.json"))
print('| Json number: ', len(label_files))
# feature_files:待划分的样本特征集合 label_files:待划分的样本标签集合 test_size:测试集所占比例
# x_train:划分出的训练集特征 x_test:划分出的测试集特征 y_train:划分出的训练集标签 y_test:划分出的测试集标签
x_train, x_test, y_train, y_test = train_test_split(feature_files, label_files, test_size=0.3)
print("| Train number:", len(y_train), '\t Value number:', len(y_test))
# 把训练集标签转化为COCO的格式，并将标签对应的图片保存到目录 /train2017/
print("—" * 50)
print("| Train images:")
to_coco(args, y_train, train=True)
# 把测试集标签转化为COCO的格式，并将标签对应的图片保存到目录 /val2017/
print("—" * 50)
print("| Test images:")
to_coco(args, y_test, train=False)
if __name__ == "__main__":
print("—" * 50)
main()
print("—" * 50)
接下来，我们要在ppyoloe的环境中先cd到我们的这个图片路径下，然后执行下面的命令。
python labelme2coco.py --input_dir images --output_dir coco --labels labels.txt
上面的命令中：
images是刚刚生成的json文件的文件夹名，我这里用的是相对路径；
coco 是指定生成的文件夹名，这个不能存在；
labels.txt 是一个标签文件，里面保存刚刚标记的标签名。
labels.txt文件如下：
__ignore__
_background_
chepai
运行完命令后会有coco文件夹生成
打开后是这样的目录结构，并且里面都有数据，就说明你成功了。
5、模型训练
1、下载源码
先在git上下载项目源码，我直接给出gitee的地址，国内gitee比较好访问。
https://gitee.com/paddlepaddle/PaddleDetection.git
这个官网有安装教程可以看一下，我下面直接贴官网关键操作的教程吧。
# 克隆PaddleDetection仓库
cd <path/to/clone/PaddleDetection>
git clone https://github.com/PaddlePaddle/PaddleDetection.git
# 安装其他依赖
cd PaddleDetection
pip install -r requirements.txt
# 编译安装paddledet
python setup.py install
# 安装后确认测试通过：
python ppdet/modeling/tests/test_architectures.py
# 测试通过后会提示如下信息：
.......
----------------------------------------------------------------------
Ran 7 tests in 12.816s
OK
跟上面一样就是成功了。
2、模型训练
3、配置文件
下面开始重点部分，简单修改一下配置文件。
configs->yolov3->yolov3_r50vd_dcn_270e_coco.yml ，找到这个文件，可以每个版本的这个文件位置不太一样啊，那就搜索一下。
我做一下简单解释：这个yolov3其实就是一个识别算法，configs文件夹下面都是配置文件，其实可以选择任何一种算法，例如还有ppyoloe文件夹，那这个就是它这种算法，选择这个也行，我一开始就用的ppyoloe算法，后来又换的这个算法。这都可以。
然后我们看一下这个配置文件，首先第一行有个配置，“‘…/datasets/coco_detection.yml’”很重要，我们也只需要改这一个配置文件就行。
接下来找到打开这个文件，
右侧文件中，我注释掉的是原本的内容，下面是我重新写的要训练我们自己模型的配置。
metric: COCO
num_classes: 2 # 这个是我们labelme标记时的一共设置了多少个类别，然后类别+1。（我这里写的2是因为我只有一个类别）
TrainDataset: # 训练数据集
name: COCODataSet
image_dir: train2017 # 图片目录
anno_path: annotations\instances_train2017.json # 数据集目录，是相对于下面的dataset_dir的路径
dataset_dir: dataset\coco0619\coco # 这里必须写到 coco这个文件夹路径
data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd'] # 不用改
EvalDataset: # 评估数据集
name: COCODataSet
image_dir: val2017
anno_path: annotations\instances_val2017.json.
dataset_dir: dataset\coco0619\coco
data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']
TestDataset: # 预测数据集
name: COCODataSet
image_dir: train2017
anno_path: annotations\instances_train2017.json
dataset_dir: dataset\coco0619\coco
data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']
ok，到现在，配置文件也修改完了，开始训练。
4、模型训练命令
打开Anaconda，输入下面命令，注意，一定要先cd到咱们的python项目目录下在运行命令，如下图
python tools/train.py -c configs/yolov3/yolov3_r50vd_dcn_270e_coco.yml -o use_gpu=true
如果几百上千张图片，大概率要训练三四个小时，这个在cmd中有一个打印 eta ，是预计完成时间。
等待。。。。。
等训练完成后，模型会输出到out文件夹。
可以看到out文件夹下有很多文件，但是其实我这里好像有文件，它直接把模型输入到out了，但是我的配置文件配置的输出路径是这个 yolov3_r50vd_dcn_270e_coco.yml文件里的这个 “weights: output/yolov3_r50vd_dcn_270e_coco/model_final”，按道理应该再创建一个yolov3_r50vd_dcn_270e_coco文件夹再保存model_final，但是但是但是，没有，我也不知道为啥，但是不影响先继续，所以你们再训练完模型后要看一下具体生成的模型保存到了哪里，下一步模型导出的时候要用这个地址。
6.模型导出命令
python tools/export_model.py -c configs/yolov3/yolov3_r50vd_dcn_270e_coco.yml --output_dir=./inference_model -o weights=output/model_final.pdparams
“-o weights=output/model_final.pdparams” 这个参数就是上面的模型保存位置，我的模型就这这个位置，大家看自己的模型保存到了哪里，然后调整一下参数。
模型导出很快，我导出到了inference_model 目录下。
到此，模型导出完成，可以部署到任意服务器进行目标识别了。
7.模型推理预测
python deploy/python/infer.py --model_dir=inference_model/yolov3_r50vd_dcn_270e_coco --image_dir=output/input/ --output_dir=output/results --device=GPU
image_dir参数就是想要识别的图片目录，把要识别的图片放到这个文件夹下，运行命令，识别结果就会输出到output_dir配置的目录下。
打开一张看看，
可以看到i经识别出来了，但是不太精准，这是因为我的模型训练数据太少了，我一共就标注了30张图片，这是远远不够的，我后来在项目中测试，想要准确度高一定要达到每个场景的图片要在100张以上才行，才能够做到识别准确。
但是我们的识别效果已经达到了。
完结，大家有问题可以留言。