Skip to content

Latest commit

 

History

History
185 lines (127 loc) · 6.94 KB

README_cn.md

File metadata and controls

185 lines (127 loc) · 6.94 KB
Raw

YOLO V3 目标检测

内容

安装

在当前目录下运行样例代码需要PadddlePaddle Fluid的v.1.5或以上的版本。如果你的运行环境中的PaddlePaddle低于此版本，请根据安装文档中的说明来更新PaddlePaddle。

简介

YOLOv3 是一阶段End2End的目标检测器。其目标检测原理如下图所示:


YOLOv3检测原理

YOLOv3将输入图像分成S*S个格子，每个格子预测B个bounding box，每个bounding box预测内容包括: Location(x, y, w, h)、Confidence Score和C个类别的概率，因此YOLOv3输出层的channel数为S*S*B*(5 + C)。YOLOv3的loss函数也有三部分组成：Location误差，Confidence误差和分类误差。

YOLOv3的网络结构如下图所示:


YOLOv3网络结构

YOLOv3 的网络结构由基础特征提取网络、multi-scale特征融合层和输出层组成。

  1. 特征提取网络。YOLOv3使用 DarkNet53作为特征提取网络：DarkNet53 基本采用了全卷积网络，用步长为2的卷积操作替代了池化层，同时添加了 Residual 单元，避免在网络层数过深时发生梯度弥散。

  2. 特征融合层。为了解决之前YOLO版本对小目标不敏感的问题，YOLOv3采用了3个不同尺度的特征图来进行目标检测，分别为13*13,26*26,52*52,用来检测大、中、小三种目标。特征融合层选取 DarkNet 产出的三种尺度特征图作为输入，借鉴了FPN(feature pyramid networks)的思想，通过一系列的卷积层和上采样对各尺度的特征图进行融合。

  3. 输出层。同样使用了全卷积结构，其中最后一个卷积层的卷积核个数是255：3*(80+4+1)=255，3表示一个grid cell包含3个bounding box，4表示框的4个坐标信息，1表示Confidence Score，80表示COCO数据集中80个类别的概率。

数据准备

在MS-COCO数据集上进行训练，通过如下方式下载数据集。

cd dataset/coco
./download.sh

数据目录结构如下：

dataset/coco/
├── annotations
│   ├── instances_train2014.json
│   ├── instances_train2017.json
│   ├── instances_val2014.json
│   ├── instances_val2017.json
|   ...
├── train2017
│   ├── 000000000009.jpg
│   ├── 000000580008.jpg
|   ...
├── val2017
│   ├── 000000000139.jpg
│   ├── 000000000285.jpg
|   ...

模型训练

安装cocoapi：

训练前需要首先下载cocoapi：

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
# if cython is not installed
pip install Cython
# Install into global site-packages
make install
# Alternatively, if you do not have permissions or prefer
# not to install the COCO API into global site-packages
python2 setup.py install --user

下载预训练模型： 本示例提供darknet53预训练模型，该模型转换自作者提供的darknet53在ImageNet上预训练的权重，采用如下命令下载预训练模型：

sh ./weights/download.sh

通过初始化pretrain 加载预训练模型。同时在参数微调时也采用该设置加载已训练模型。 请在训练前确认预训练模型下载与加载正确，否则训练过程中损失可能会出现NAN。

开始训练： 数据准备完毕后，可以通过如下的方式启动训练：

python train.py \
   --model_save_dir=output/ \
   --pretrain=${path_to_pretrain_model}
   --data_dir=${path_to_data}

  • 通过设置export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7指定8卡GPU训练。

  • 可选参数见：

    python train.py --help

数据读取器说明：

  • 数据读取器定义在reader.py中。

模型设置：

  • 模型使用了基于COCO数据集生成的9个先验框：10x13，16x30，33x23，30x61，62x45，59x119，116x90，156x198，373x326
  • 检测过程中，nms_topk=400, nms_posk=100，nms_thresh=0.45

训练策略：

  • 采用momentum优化算法训练YOLOv3，momentum=0.9。
  • 学习率采用warmup算法，前4000轮学习率从0.0线性增加至0.001。在400000，450000轮时使用0.1,0.01乘子进行学习率衰减，最大训练500000轮。

下图为模型训练结果：


Train Loss

模型评估

模型评估是指对训练完毕的模型评估各类性能指标。本示例采用COCO官方评估

eval.py是评估模块的主要执行程序，调用示例如下：

python eval.py \
    --dataset=coco2017 \
    --weights=${path_to_weights} \
  • 通过设置export CUDA_VISIBLE_DEVICES=0指定单卡GPU评估。

若训练时指定--syncbn=False, 模型评估精度如下:

input size mAP(IoU=0.50:0.95) mAP(IoU=0.50) mAP(IoU=0.75)
608x608 37.7 59.8 40.8
416x416 36.5 58.2 39.1
320x320 34.1 55.4 36.3

若训练时指定--syncbn=True, 模型评估精度如下:

input size mAP(IoU=0.50:0.95) mAP(IoU=0.50) mAP(IoU=0.75)
608x608 38.9 61.1 42.0
416x416 37.5 59.6 40.2
320x320 34.8 56.4 36.9
  • 注意： 评估结果基于pycocotools评估器，没有滤除score < 0.05的预测框，其他框架有此滤除操作会导致精度下降。

模型推断及可视化

模型推断可以获取图像中的物体及其对应的类别，infer.py是主要执行程序，调用示例如下：

python infer.py \
   --dataset=coco2017 \
    --weights=${path_to_weights}  \
    --image_path=data/COCO17/val2017/  \
    --image_name=000000000139.jpg \
    --draw_threshold=0.5
  • 通过设置export CUDA_VISIBLE_DEVICES=0指定单卡GPU预测。

模型预测速度（Tesla P40）：

input size 608x608 416x416 320x320
infer speed 48 ms/frame 29 ms/frame 24 ms/frame

下图为模型可视化预测结果：


YOLOv3 预测可视化