从零开始基于PaddleDetection的目标检测模型训练

原创

已于 2023-05-05 11:18:10 修改 · 6.6k 阅读

60 ·

CC 4.0 BY-SA版权

文章标签：

#python #人工智能 #paddlepaddle

于 2022-04-07 18:01:33 首次发布

本文档详细介绍了如何利用PaddleDetection搭建目标检测系统，包括从安装PaddlePaddle到数据集的VOC格式整理，再到模型训练和预测的全过程。首先，通过Gitee和GitHub下载PaddleDetection项目，然后安装PaddlePaddle和相关依赖。接着，使用labelimg工具进行数据标注，并按比例划分训练集、验证集和测试集。在训练前，需配置数据集路径和相关参数，选择合适的模型配置文件。最后，进行模型训练、预测和导出，以便于后续的部署和应用。

gitee地址：https://gitee.com/paddlepaddle/PaddleDetection
github地址：https://github.com/PaddlePaddle/PaddleDetection
任选一个下载项目
官方文档：https://paddledetection.readthedocs.io/

安装

安装PaddlePaddle

# CUDA10.1
python -m pip install paddlepaddle-gpu==2.2.0.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

# CPU
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

安装其他依赖

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

数据集

本项目是用的数据集格式是VOC格式，标注工具为labelimg，图像数据是手动拍摄获取。
labelimg工具下载：https://download.youkuaiyun.com/download/get_py/85089156

数据标注

点击Open Dir，打开文件夹，载入图片
点击Create RectBox，即可在图像上画框标注
输入标签，点击OK
点击Save保存，保存下来的是XML文件

XML文件内容如下：

整理成VOC格式的数据集：创建三个文件夹：Annotations、ImageSets、JPEGImages

将标注生成的XML文件存入Annotations，图片存入JPEGImages，训练集、测试集、验证集的划分情况存入ImageSets。在ImageSets下创建一个Main文件夹，并且在Mian文件夹下建立label_list.txt，里面存入标注的标签。此label_list.txt文件复制一份与Annotations、ImageSets、JPEGImages同级位置放置。其内容如下：

运行该代码将会生成trainval.txt、train.txt、val.txt、test.txt，将我们标注的600张图像按照训练集、验证集、测试集的形式做一个划分。

import os
import random
 
trainval_percent = 0.95  #训练集验证集总占比
train_percent = 0.9  #训练集在trainval_percent里的train占比
xmlfilepath = 'F:/Cola/Annotations'
txtsavepath = 'F:/Cola/ImageSets/Main'
total_xml = os.listdir(xmlfilepath)

num=len(total_xml)
list=range(num)
tv=int(num*trainval_percent)
tr=int(tv*train_percent)
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)

ftrainval = open('F:/Cola/ImageSets/Main/trainval.txt', 'w')
ftest = open('F:/Cola/ImageSets/Main/test.txt', 'w')
ftrain = open('F:/Cola/ImageSets/Main/train.txt', 'w')
fval = open('F:/Cola/ImageSets/Main/val.txt', 'w')
 
for i  in list</