轻松学Pytorch-实现自定义对象检测器

OpenCV学堂

发布于 2020-07-30 14:18:39

7980

发布于 2020-07-30 14:18:39

微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识

大家好，今天来继续更新轻松学Pytorch专栏，这个是系列文章我会一直坚持写下去的，希望大家转发、点赞、留言支持！上一篇文章使用了torchvision中提供的预训练对象检测网络Faster-RCNN实现了常见的对象检测，基于COCO数据集，支持90个类型对象检测，非常的实用。本文将介绍如何使用自定义数据集，使用Faster-RCNN预训练模型实现迁移学习，完成自定义对象检测。

数据集

使用了公开的宠物数据集，下载地址如下：

http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
http://www.robots.ox.ac.uk/~vgg/data/pets/data/annotations.tar.gz

对象检测模型的输入是image图像，需要target信息包括：

boxes：表示标注的矩形左上角与右下角坐标(x1,y1,x2,y2) labels：表示每个标注框的类别，注意从1开始，0永远表示背景 image_id：数据集中图像索引id值， area：标注框的面积，COCO评估的时候会用到 iscrowd：当iscrowd=true不会参与模型评估计算

从标注xml文件中读取相关信息，完成解析，自定义一个宠物数据集的代码如下：

class PetDataset(Dataset):
    def __init__(self, root_dir):
        self.root_dir = root_dir
        self.transforms = T.Compose([T.ToTensor()])
        self.ann_xmls = list(sorted(os.listdir(os.path.join(root_dir, "annotations/xmls"))))

    def __len__(self):
        return len(self.ann_xmls)

    def num_of_samples(self):
        return len(self.ann_xmls)

    def __getitem__(self, idx):
        # load images and bbox
        bbox_xml_path = os.path.join(self.root_dir, "annotations/xmls", self.ann_xmls[idx])

        # 读取xml
        dom = parse(bbox_xml_path)
        # 获取文档元素对象
        data = dom.documentElement
        # 获取 objects
        objects = data.getElementsByTagName('object')
        node = data.getElementsByTagName('filename')[0]
        file_ame = node.childNodes[0].nodeValue
        image_path = os.path.join(self.root_dir, "images", file_ame)
        img = cv.imread(image_path)

        # get bounding box coordinates
        boxes = []
        labels = []
        for object_ in objects:
            # 获取标签中内容
            name = object_.getElementsByTagName('name')[0].childNodes[0].nodeValue
            if name == "dog":
                labels.append(np.int(1))
            if name == "cat":
                labels.append(np.int(2))

            bndbox = object_.getElementsByTagName('bndbox')[0]
            xmin = np.float(bndbox.getElementsByTagName('xmin')[0].childNodes[0].nodeValue)
            ymin = np.float(bndbox.getElementsByTagName('ymin')[0].childNodes[0].nodeValue)
            xmax = np.float(bndbox.getElementsByTagName('xmax')[0].childNodes[0].nodeValue)
            ymax = np.float(bndbox.getElementsByTagName('ymax')[0].childNodes[0].nodeValue)
            boxes.append([xmin, ymin, xmax, ymax])

        boxes = torch.as_tensor(boxes, dtype=torch.float32)
        # there is only one class
        labels = torch.as_tensor(labels, dtype=torch.int64)

        image_id = torch.tensor([idx])
        area = (boxes[:, 3] - boxes[:, 1]) * (boxes[:, 2] - boxes[:, 0])
        iscrowd = torch.zeros((len(objects),), dtype=torch.int64)

        target = {}
        target["boxes"] = boxes
        target["labels"] = labels
        target["image_id"] = image_id
        target["area"] = area
        target["iscrowd"] = iscrowd
        img, target = self.transforms(img, target)
        return img, target

顺便说一下，这里输入图像通道顺序是BGR！

Faster RCNN模型训练

之前一篇文章中介绍了Faster-RCNN模型与预训练模型使用，这里通过下面的代码加载模型：

num_classes = 2
 model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=False, progress=True, num_classes=num_classes, pretrained_backbone=True)
 device = torch.device('cuda:0')
 model.to(device)

其中pretrained=False表示训练使用，num_classes 表示对象检测数据集的对象类别，这里只有dog跟cat两个类别，所以num_classes =2

设置好了模型的参数，下面就可以初始化加载数据集，开始正式训练，代码如下：

dataset = PetDataset("D:/pytorch/pet_data")
data_loader = torch.utils.data.DataLoader(
     dataset, batch_size=4, shuffle=True,  # num_workers=4,
     collate_fn=utils.collate_fn)

params = [p for p in model.parameters() if p.requires_grad]
optimizer = torch.optim.SGD(params, lr=0.005,
                             momentum=0.9, weight_decay=0.0005)
lr_scheduler = torch.optim.lr_scheduler.StepLR(optimizer,
                                                step_size=5,
                                                gamma=0.1)
num_epochs = 8
for epoch in range(num_epochs):
     train_one_epoch(model, optimizer, data_loader, device, epoch, print_freq=10)
     lr_scheduler.step()
torch.save(model.state_dict(), "faster_rcnn_vehicle_model.pt")

运行结果如下：

如果你的内存不够猛，训练的时候可能会得到下面这个错误：

回去改一下batch size就好了，如果改成1还有这个错误话，就直接砸机器就对了！

模型推理使用

对训练好的模型，加载模型，然后就可以推理预测了，代码演示如下：

image = cv.imread("D:/images/test.jpg")
blob = transform(image)
c, h, w = blob.shape
input_x = blob.view(1, c, h, w)
output = model(input_x.cuda())[0]
boxes = output['boxes'].cpu().detach().numpy()
scores = output['scores'].cpu().detach().numpy()
labels = output['labels'].cpu().detach().numpy()
index = 0
for x1, y1, x2, y2 in boxes:
    if scores[index] > 0.5:
        cv.rectangle(image, (np.int32(x1), np.int32(y1)),
                     (np.int32(x2), np.int32(y2)), (140, 199, 0), 4, 8, 0)
        label_id = labels[index]
        label_txt = coco_names[str(label_id)]
        cv.putText(image, label_txt, (np.int32(x1), np.int32(y1)), cv.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 1)
    index += 1
cv.imshow("Faster-RCNN Pet Detection", image)
cv.imwrite("D:/pet2.png", image)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果如下：