Datawhale AI夏令营第五期 Task2：建模方案解读与进阶

原创 已于 2024-08-30 00:33:43 修改 · 612 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

于 2024-08-29 23:41:29 首次发布
部署运行你感兴趣的模型镜像

简介

在Datawhale AI夏令营第五期 Task2 中，将进一步探索YOLO算法。通过学习以掌握YOLO在实际项目中的应用，包括数据集准备、模型训练、评估和部署。同时，根据文档所提出的上分方案，修改代码，尝试提升模型表现。

一、YOLO模型介绍

1.目标监测任务

2.YOLO模型

3.YOLO模型的数据集格式

4.YOLO模型的训练日志

二、进阶方法及尝试

1.增加数据集数量

在这里插入图片描述
从BaseLine代码中看到，训练数据仅使用了前10个视频生成训练数据集。而比赛主办方提供的数据总共有53个文件，因此可以将所有视频用来制作数据集。在这里插入图片描述

1.数据可视化

我们首先将训练数据进行可视化：

import glob
import os.path
import sys

import cv2
from matplotlib import pyplot as plt

# 颜色表
category_dic={
    0: (0, 255, 0),
    1: (255, 0, 0),
    2: (0, 0, 255),
    3: (255, 0, 255)
}

def get_pts(label, img_height, img_width):
	'''
	根据label 获取每个矩形框的位置
	'''
    label = label.split(" ")
    category_idx, x_center, y_center, width, height = label[0], label[1], label[2], label[3], label[4]
    x_center = float(x_center)
    y_center = float(y_center)
    width = float(width)
    height = float(height)

    x_max = (2 * x_center * img_width + img_width * width) / 2.0
    x_min = x_max - img_width * width

    y_max = (img_height * height + 2 * img_height * y_center) / 2.0
    y_min = y_max - img_height * height

    pt1 = (int(x_min), int(y_min))
    pt2 = (int(x_max), int(y_max))
    return category_idx ,[pt1, pt2]


def draw_rectangle(pic_path, label_path, out):
	'''
	绘制矩形
	'''
    if os.path.exists(out):
        return
    pic = cv2.imread(pic_path, cv2.IMREAD_COLOR)
    img_height, img_width = pic.shape[0], pic.shape[1]

    category_idxs = []
    pts = []

    # 打开文件并读取内容
    with open(label_path, 'r') as file:
        labels = file.readlines()

    for label in (labels):
        cat_id, pt_list = get_pts(label, img_height, img_width)
        category_idxs.append(int(cat_id))
        pts.append(pt_list)


    for i in range(len(pts)):

        color = category_dic[category_idxs[i]]
        thickness = 2  # 线条粗细
        pt = pts[i]

        cv2.rectangle(pic, pt[0], pt[1], color, thickness)

    # frame = cv2.cvtColor(pic, cv2.COLOR_BGR2RGB)

    cv2.imencode('.png', pic)[1].tofile(out)

if __name__ == '__main__':
    out_path = r"你的路径"
    imgs = glob.glob('你的路径')
    
    for img in imgs:
    	# 标签路径
        label = img.replace(".jpg", ".txt")
        # 输出文件名
        out_= os.path.join(out_path, os.path.basename(label).replace(".txt", ".png"))
        draw_rectangle(img, label, out_)

发现数据集中具有较多高一致性的图片：
在这里插入图片描述
因此在生产数据集的时候，进行抽帧。由于数据集为视频，因此帧速率为25帧/秒，因此每30帧采样一次。

2.数据抽帧

BaseLine 代码：

# 训练集代码
for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0 
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]
        
        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

        if len(frame_anno) != 0:
            with open('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt', 'w') as up:
                for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):
                    category_idx = category_labels.index(category)
                    
                    x_min, y_min, x_max, y_max = bbox
                    x_center = (x_min + x_max) / 2 / img_width
                    y_center = (y_min + y_max) / 2 / img_height
                    width = (x_max - x_min) / img_width
                    height = (y_max - y_min) / img_height

                    if x_center > 1:
                        print(bbox)
                    up.write(f'{category_idx} {x_center} {y_center} {width} {height}\n')
        
        frame_idx += 1
        
# 测试集代码
for anno_path, video_path in zip(train_annos[-3:], train_videos[-3:]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0 
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]
        
        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        cv2.imwrite('./yolo-dataset/val/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

        if len(frame_anno) != 0:
            with open('./yolo-dataset/val/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt', 'w') as up:
                for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):
                    category_idx = category_labels.index(category)
                    
                    x_min, y_min, x_max, y_max = bbox
                    x_center = (x_min + x_max) / 2 / img_width
                    y_center = (y_min + y_max) / 2 / img_height
                    width = (x_max - x_min) / img_width
                    height = (y_max - y_min) / img_height

                    up.write(f'{category_idx} {x_center} {y_center} {width} {height}\n')
        
        frame_idx += 1

按照需求，每30帧抽取一帧，修改后代码：


for anno_path, video_path in zip(train_annos[:-10], train_videos[:-10]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0
    count = 0
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]

        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        # 每30帧进行保存影像，进行抽帧操作
        if frame_idx % 30 == 0:
            cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

            if len(frame_anno) != 0:
                with open('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt',
                          'w') as up:
                    for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):
                        category_idx = category_labels.index(category)

                        x_min, y_min, x_max, y_max = bbox
                        x_center = (x_min + x_max) / 2 / img_width
                        y_center = (y_min + y_max) / 2 / img_height
                        width = (x_max - x_min) / img_width
                        height = (y_max - y_min) / img_height

                        if x_center > 1:
                            print(bbox)
                        up.write(f'{category_idx} {x_center} {y_center} {width} {height}\n')

        frame_idx += 1

for anno_path, video_path in zip(train_annos[-10:], train_videos[-10:]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]

        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        # 每20帧进行保存影像，进行抽帧操作
        if frame_idx % 20 == 0:
            cv2.imwrite('./yolo-dataset/val/' + anno_path.split('\\')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

            if len(frame_anno) != 0:
                with open('./yolo-dataset/val/' + anno_path.split('\\')[-1][:-5] + '_' + str(frame_idx) + '.txt',
                          'w') as up:
                    for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):
                        category_idx = category_labels.index(category)

                        x_min, y_min, x_max, y_max = bbox
                        x_center = (x_min + x_max) / 2 / img_width
                        y_center = (y_min + y_max) / 2 / img_height
                        width = (x_max - x_min) / img_width
                        height = (y_max - y_min) / img_height

                        up.write(f'{category_idx} {x_center} {y_center} {width} {height}\n')

        frame_idx += 1

最后生成的训练集包括2060景图片，验证集包括509景图片。

2.切换不同权重

1.配置本地环境

由于在线平台算力有限，因此尝试在本地服务器中部署环境。
首先，通过conda方式安装ultralytics，较慢，于是放弃。
在这里插入图片描述

然后，尝试从github中下载源码，放置在工程文件目录，尝试运行代码，发现可以运行。
在这里插入图片描述
耶，能够运行！
在这里插入图片描述

2.测试模型

炼丹ing

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

withoutObject
关注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值