基于PaddleDetection实现的野生动物检测
一、项目简介
AI达人特训营第二期
1.1 项目背景
我国是全球野生动物种类最丰富的国家之一，其中大熊猫等上百种珍贵、濒危野生动物为我国所特有。随着社会发展，相关数据显示，我国野生动物的灭绝速率呈上升趋势，越来越多的物种面临着生存危机。随着深度学习的高速发展，目标检测在各个领域广泛应用，我们是不是也能借助这种方法识别到野生动物，来保护、拯救珍贵、濒危野生动物，保护、发展和合理利用野生动物资源。
1.2 项目目的
本项目基于PaddleDetection使用ppyolov5实现野生动物检测，具有较高的精度可用于动物保护。
二、模型简介
2.1 PaddleDetection
PaddleDetection为基于飞桨PaddlePaddle的端到端目标检测套件，内置30+模型算法及300+预训练模型，覆盖目标检测、实例分割、跟踪、关键点检测等方向，其中包括服务器端和移动端高精度、轻量级产业级SOTA模型、冠军方案和学术前沿算法，并提供配置化的网络模块组件、十余种数据增强策略和损失函数等高阶优化支持和多种部署方案，在打通数据处理、模型开发、训练、压缩、部署全流程的基础上，提供丰富的案例及教程，加速算法产业落地应用。
2.2 Yolov5
YOLOV4出现之后不久，YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析，但是YOLOv5在COCO数据集上面的测试效果还是挺不错的。大家对YOLOv5算法的创新性半信半疑，有的人对其持肯定态度，有的人对其持否定态度。在我看来，YOLOv5检测算法中还是存在很多可以学习的地方，虽然这些改进思路看来比较简单或者创新点不足，但是它们确定可以提升检测算法的性能。其实工业界往往更喜欢使用这些方法，而不是利用一个超级复杂的算法来获得较高的检测精度。本文通过YOLOv5检测算法来实现野生动物目标检测。
基础模型
三、数据准备
3.1 数据集获取
该数据集属于土耳其共和国森林和水务部，并经许可共享。它包含各种种类和大小的动物。2585 张图片包含动物（有些包含多只动物），1420 张图片不包含任何动物。图像尺寸从 1024x1280 到 2448x3264 不等。大约一半的图像是在夜间拍摄的，而另一半是在白天拍摄的。
3.2 数据集处理
3.2.1 处理为voc格式
图像注释采用PASCAL VOC注释（.xml）文件的形式。如果.xml文件中不存在对象标签，则意味着该图像中不存在动物。
处理教程：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.3/docs/tutorials/PrepareDataSet.md
用户数据集转成VOC数据后目录结构如下（注意数据集中路径名、文件名尽量不要使用中文，避免中文编码问题导致出错）
dataset/xxx/
├── annotations
│ ├── xxx1.xml
│ ├── xxx2.xml
│ ├── xxx3.xml
│ | ...
├── images
│ ├── xxx1.jpg
│ ├── xxx2.jpg
│ ├── xxx3.jpg
│ | ...
├── label_list.txt (必须提供，且文件名称必须是label_list.txt )
├── train.txt (训练数据集文件列表, ./images/xxx1.jpg ./annotations/xxx1.xml)
└── valid.txt (测试数据集文件列表)
该项目已下载好数据集，并将数据集进行训练集：测试集=8：2的划分。 该模型为但单标签图像分类，所以数据集包含object这一个类
3.2.2 数据解压
首先进入数据集目录
In [1]
%cd data/data180216 /home/aistudio/data/data180216
In [2]
%lsdataset.zip*
In [ ]
#解压数据集
!unzip dataset.zip3.2.3 数据配置
将解压的数据集dataset目录下的内容移到/home/aistudio/work/PaddleYOLO-release-2.5/dataset/voc目录下
在该目录下新建一个label_list.txt,输入类别名称：object
最终数据集目录
四、模型训练
- 从/home/aistudio/work/PaddleYOLO-release-2.5/configs目录中找到想要的模型，这里使用VOC标注，则只能用VOC模型。
- 本文使用yolov5_s_60e_voc.yml， 则需要修改两个文件：
打开该文件/home/aistudio/work/PaddleYOLO-release-2.5/configs/datasets/voc.yml
修改为如下配置,num_classes为数据集中标签类别
由于本数据集只有野生动物这一个类，则num_classes为1
metric: VOC
map_type: 11point
num_clas