毕业设计：Python实现无人机图像目标检测

AI课程作业：VisDrone无人机目标检测（SSD&YOLO）

原创已于 2023-11-13 16:09:44 修改 · 428 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #目标检测 #开发语言

于 2023-11-13 09:43:30 首次发布

毕业设计专栏收录该内容

6 篇文章

订阅专栏

本文介绍了在人工智能课程中，使用VisDrone数据集进行的无人机图像目标检测项目，包括数据预处理、SSD和YOLO框架的训练与测试，以及mAP和FPS性能评估。

本仓库是人工智能课程的课程作业仓库，主要是完成无人机图像目标检测的任务，我们对 visdrone 数据集进行了处理，在 yolo 和 ssd 两种框架下进行了训练和测试，并编写 demo 用于实时的无人机图像目标检测。

requirements

ssd: pytorch1.4

yolo:pytorch1.0 tensorflow1.14

结构

visdrone_detection
├─ readme.md
├─ ssd
├─ yolo
└─ 人工智能大作业_流程.md

数据集

本作业使用的数据集是 VisDrone 数据集，包含了 10 个类（即行人、人、汽车、面包车、公共汽车、卡车、汽车、自行车、遮阳三轮车和三轮车），数据集下载地址为：VisDrone 数据集下载地址

由于本次作业我们使用 SSD 和 YOLO 框架来完成目标检测的任务，需要对原先的数据标注格式进行处理，数据集原始的标注形式为 XML 文件，我们将标注转化为了常用的 voc 形式和 yolo 形式，您可以使用代码中的 utils 下的代码文件自行处理数据，也可以联系我们获取。

训练

ssd 训练

首先请 cd 到 ssd 目录下，调试 visdrone_train.py 下数据集和配置文件的路径信息，本作业的配置文件为 configs/vgg_ssd300_visdrone0413.yaml，执行：

python visdrone_train.py

训练好的模型文件将会保存在 outputs 目录下

yolo 训练

首先请 cd 到 yolo 目录下，生成 cfg 文件和 custom.data

python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data--pretrained_weights weights/darknet53.conv.74

训练好的模型文件将会保存在 checkpoints 目录下

测试

ssd 测试

首先请 cd 到 ssd 目录下, 执行

python visdrone_test.py
python visdrone_demo.py

yolo 测试

首先请 cd 到 yolo 目录下, 执行

python test.py --weights_path weights/yolov3.weights
python3 detect.py --image_folder data/samples/

结果

mAP 指标

# yolo
+-------+-----------------+---------+
| Index | Class name      | AP      |
+-------+-----------------+---------+
| 0     | pedestrian      | 0.08822 |
| 1     | people          | 0.02340 |
| 2     | bicycle         | 0.00165 |
| 3     | car             | 0.43279 |
| 4     | van             | 0.07407 |
| 5     | truck           | 0.07747 |
| 6     | tricycle        | 0.00995 |
| 7     | awning-tricycle | 0.01727 |
| 8     | bus             | 0.25008 |
| 9     | motor           | 0.05405 |
| 10    | others          | 0.00366 |
+-------+-----------------+---------+
---- mAP 0.09387386786609676
# ssd
2020-11-04 14:56:20,698 SSD.inference INFO: mAP: 0.1524
pedestrian      : 0.1170
people          : 0.0909
bicycle         : 0.0909
car             : 0.4377
van             : 0.1740
truck           : 0.2258
tricycle        : 0.1048
awning-tricycle : 0.0413
bus             : 0.3754
motor           : 0.0800
others          : 0.0909

FPS

# yolo
fps: 19.17227602398063
83.97542357444763s / 1610imgs
# ssd
FPS:64.44748916337679
24.98157835006714s / 1610imgs

部分结果

yolo

ssd