【目标检测】YOLOX训练王者荣耀数据集

zstar

发布于 2022-09-23 09:44:01

8330

发布于 2022-09-23 09:44:01

文章被收录于专栏：往期博文

前言

最近想跑一下旷世开源的YOLOX，本想着属于YOLO系列，代码大致都和YOLOv5差不多，没想到代码整体差异还是挺大的，跑通的过程中踩了不少坑，这篇就来记录一下整个流程。

官方源码：https://github.com/Megvii-BaseDetection/YOLOX

项目整体框架

项目框架和YOLOv6比较相似，训练、测试、检测三个核心函数都封装在tools文件夹中。另外项目里有个dataset文件夹用来专门存放数据集，对于源码不熟悉建议先把数据集放在这个文件夹下。

数据预处理

官方的tutorials包含了CoCo和VOC两个经典数据集的训练方式，本篇主要采用的是VOC数据集的训练方式。首先，需要将自己的数据集按照VOC的格式进行放置，注意文件名不要变化。

之后，在Main文件夹下新建下面两个txt文件。

运行下面的脚本[2]，按照9：1的比例划分训练验证集和测试集。

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = r'C:\Users\xy\Desktop\Work\YOLOX\datasets\VOC\VOCdevkit\VOC2007\Annotations'
txtsavepath = r'C:\Users\xy\Desktop\Work\YOLOX\datasets\VOC\VOCdevkit\VOC2007\ImageSets'
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)

ftest = open(r'C:\Users\xy\Desktop\Work\YOLOX\datasets\VOC\VOCdevkit\VOC2007\ImageSets\Main\test.txt', 'w')
ftrain = open(r'C:\Users\xy\Desktop\Work\YOLOX\datasets\VOC\VOCdevkit\VOC2007\ImageSets\Main\trainval.txt', 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftest.write(name)
    else:
        ftrain.write(name)
ftrain.close()
ftest.close()

修改配置文件

首先修改yolox/data/dataloading.py文件：

再修改exps/example/yolox_voc/yolox_voc_s.py文件：

修改数据集类别个数：

修改训练验证集路径：

修改测试集路径：

然后，修改yolox/data/datasets/voc_classes.py：这里修改成自己数据集的类别：

接着，修改yolox/evaluators/voc_eval.py ：

该文件用于读取xml标签信息

然后，修改yolox\exp\yolox_base.py

这里包含了很多训练的超参数(很奇怪开发者为什么不按照惯例把它写在train.py中)

其中，我主要修改这几个量：

self.max_epoch = 300：指定训练epoch
self.print_interval = 10：每经过10个batch打印一次
self.eval_interval = 1：每训练一次进行验证
self.data_num_workers = 0 ：只使用主线程

最后，修改主程序tools/train.py

主要修改这三个量：

下面也可以修改"-c", "--ckpt"来指定官方提供的预训练模型，不指定则从0开始训练。

运行train.py就可以成功开始训练了。

如果还遇到一些报错，可以尝试在文件根目录下运行python setup.py install来更新一些依赖。

检测

训练完之后，保存的模型会存放在tools/YOLOX_outputs/yolox_voc_s/best_ckpt.pth

注意检测前还需要修改类别标签，YOLOX和YOLOv6一样，类别标签并不保存在模型之中，而是在检测时再进行映射，猜测这么做可能是可以减小模型体积，加快推理速度。

在yolox/data/datasets/__init__.py中添加from .voc_classes import VOC_CLASSES

然后在demo.py中，将所有COCO_CLASSES替换成VOC_CLASSES

检测图片

python tools/demo.py --save_result -f exps/example/yolox_voc/yolox_voc_s.py  -c tools/YOLOX_outputs/yolox_voc_s/best_ckpt.pth --device gpu --tsize 640 --path assets/dog.jpg

检测视频

python tools/demo.py --save_result -f exps/example/yolox_voc/yolox_voc_s.py  -c tools/YOLOX_outputs/yolox_voc_s/best_ckpt.pth --device gpu --tsize 640 --demo video --path C:\Users\xy\Desktop\sucai\wangzhe\zhuge.mp4

拓展：添加帧率显示

对于视频，如果需要显示帧率，可以进行如下操作：在visual函数中添加：

def visual(self, output, img_info, cls_conf=0.35):

    ratio = img_info["ratio"]
    img = img_info["raw_img"]
    if output is None:
        return img
    output = output.cpu()

    bboxes = output[:, 0:4]

    # preprocessing: resize
    bboxes /= ratio

    cls = output[:, 6]
    scores = output[:, 4] * output[:, 5]

    vis_res = vis(img, bboxes, scores, cls, cls_conf, self.cls_names)

    # 添加帧率检测
    cv2.putText(img, "FPS:{:.1f}".format(1. / (time.time() - self.tt)), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 2,
                (225, 221, 156), 4)
    self.tt = time.time()

    return vis_res

在Predictor中添加self.tt = time.time()

class Predictor(object):
    def __init__(
        self,
        model,
        exp,
        cls_names=VOC_CLASSES,
        trt_file=None,
        decoder=None,
        device="cpu",
        fp16=False,
        legacy=False,
    ):
        self.model = model
        self.cls_names = cls_names
        self.decoder = decoder
        self.num_classes = exp.num_classes
        self.confthre = exp.test_conf
        self.nmsthre = exp.nmsthre
        self.test_size = exp.test_size
        self.device = device
        self.fp16 = fp16
        self.preproc = ValTransform(legacy=legacy)
        self.tt = time.time()