基于C语言版的YoloV3-tiny的口罩检测包含口罩VOC数据集（源码+项目说明）.zip

# Mask-Detection 基于YoloV3-tiny实现口罩检测，使用的YoloV3-tiny版本是C语言编译实现的非Python实现；YoloV3的基础框架主要基于Darknet实现，更多详细相关的工作或者文档可以参考[Darknet官方Github]([pjreddie/darknet: Convolutional Neural Networks (github.com)](https://github.com/pjreddie/darknet))或者[Darknet官网]([Darknet: Open Source Neural Networks in C (pjreddie.com)](https://pjreddie.com/darknet/))；该项目包含训练编译过的YoloV3-tiny源码和权重文件同时也包含1600张的口罩数据集.  # Requirement ``` Python3 cmake gcc opencv3.5 tqdm CUDA 10.2 Cudnn Linux ``` # Structure ``` |-- utils |-- gen_yolo_format.py # Python版的Yolo训练数据集生成，从VOC格式到YOLO格式 |-- generate_txt.py # 根据比例随机生成需要训练的图像名和验证图像名 |-- get_images.py # 网络爬虫爬取网络图像 |-- remove_txt.py # 去除掉一些可能是空的txt文件并把对应的图片删掉 |-- remove_xml.py # 删掉不符合xml要求的xml标签文件并把对应的图片删掉 |-- rename_images.py # 重新给图片数据集以及xml标签文件重命名有序命名 |-- darknet |-- cfg # 配置文件 |-- data # 数据文件 |-- maskdata # 存放训练需要的重要文件 |-- backup # 存放训练后的模型 |-- yolov3-tiny.backup |-- yolov3-tiny_10000.weights # 训练后的模型 |-- images # 训练图像 |-- labels # 训练标签 |-- train.txt # 需要训练的图像名 |-- val.txt # 需要验证的图像名 |-- voc.data # 数据格式 |-- voc.names # 数据标签名 |-- yolov3-tiny.cfg # yolov3-tiny配置文件 ``` # Quick Start - 下载源码 ``` git clone https://github.com/FanDady/Mask-Detection ``` - 进入darknet文件夹下并进行编译 ``` cd Mask-Detection/darknet make ``` - 测试口罩检测 ``` ./darknet detect test .maskdata/yolov3-tiny.cfg maskdata/backup/yolov3-tiny_10000.weights data/mask_test.jpg ``` - 在darknet目录下生成prediction.jpg预测图像 # Mask Dataset - 口罩检测VOC格式数据集 ``` # 百度网盘链接：https://pan.baidu.com/s/1ti0-C1p3i9md_tuI_8lryA # 提取码：hfb6 ``` - 口罩检测数据集文件结构 ``` |---Annotations |--.xml # XML标签数据 |---JPEGImages |--.jpg # JPG图片 |---Main # 训练的图片的绝对路径的txt文件 |--train.txt |--val.txt |--trainval.txt |--test.txt |---labels |--.txt # 所有图片的txt标签，内容是：标签ID、x、y、width、height ``` # How to Train ## 一、准备数据集 - 制作自己的数据集，收集好图像并命名好使用Labelbox 、CVAT 、精灵标注助手等标注工具标注生成xml文件并且文件格式放置参照VOC数据集格式如下其中Main文件的txt文件可通过`/utils/generate_txt.py`生成 ``` |---Annotations |--.xml # XML标签数据 |---JPEGImages |--.jpg # JPG图片 |---Main # 训练的图片的绝对路径的txt文件 |--train.txt |--val.txt |--trainval.txt |--test.txt |---labels |--.txt # 所有图片的txt标签，内容是：标签ID、x、y、width、height ``` - 其中对于train.txt和val.txt的图像文件名要按照绝对路径来写 ## 二、训练模型 - 从头开始训练自己的数据集和模型 - 下载官方的源码文件 ``` git clone https://github.com/pjreddie/darknet.git cd darknet ``` - 修改Makefile的前几行 ``` GPU=1 CUDNN=1 # 如果没有装cudnn就不要改了让CUDNN=0 OPENCV=1 # 如果没有装 OPENCV的C++版那就别改了让OPENCV=0 # 注意：每次修改完Makefile文件都需重新make编译 ``` - 编译 ``` make # 注意：如果出现couldn’t open file: data/coco.names问题则很可能是因为安装包问题，Windows和Linux编码不同导致的错误，所以请直接下载源码安装包再放入# Linux服务器里面，不要在Windows下解压后再放进Linux服务器中 ``` - 下载yolov3-tiny的预训练模型进行测试 ``` wget https://pjreddie.com/media/files/yolov3-tiny.weights ./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg ``` - 在darknet目录下创建maskdata文件夹用来存放训练要用的所有文件和数据集 - 修改cfg/voc.data，修改后把voc.data放入maskdata文件夹下 ``` classes= 2 #自己的类别数 train = /home/darknet/maskdata/train.txt # 存放训练图像路径 valid = /home/darknet/maskdata/val.txt # 存放验证图像路径 names = /home/darknet/maskdata/voc.names # 存放检测的标签 backup = /home/darknet/maskdata/backup # 存放训练后的模型 ``` - 修改cfg/yolov3-tiny.cfg文件，修改后放入maskdata文件夹下 ``` # 关闭Testing的参数打开training的参数 [net] #Testing #batch=1 #subdivisions=1 #Training batch=64 subdivisions=16 ···· ···· # 以下的修改一共有两个地方即要修改两个filters和classes [convolutional] size=1 stride=1 pad=1 filters=21 # 改为3*(classes +5) activation=linear [yolo] mask = 3,4,5 anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319 classes=2 # 改为自己的类别数目 num=6 jitter=.3 ignore_thresh = .7 truth_thresh = 1 random=1 ``` - 修改data/voc.names，修改后放入voc.names ``` mask nomask ``` - 回到darknet目录下产生yolov3-tiny的预训练模型 ``` ./darknet partial ./maskdata/yolov3-tiny.cfg ./maskdata/yolov3-tiny.weights ./yolov3-tiny.conv.15 15 ``` - 开始训练模型，前1000周期每隔100就会保存一次模型，后面开始每隔10000个保存一次 ``` sudo ./darknet detector train maskdata/voc.data maskdata/yolov3-tiny.cfg yolov3-tiny.conv.15 # 注意：如果训练过程遇到Cannot load image "" STB Reason: can't fopen问题是因为txt文件格式问题，大概率可能是因为换行符，因为在Windows下txt文件里# 面的换行符和Linux下的不太一样需要对txt文件进行格式转换，这里推荐下载notepad++软件进行修改，进入软件打开视图->显示符合->显示所有符号，然后点击编辑-> # 文档格式转换->转unix ``` - 测试模型 ``` ./darknet detect test .maskdata/yolov3-tiny.cfg maskdata/backup/yolov3-tiny_10000.weights data/mask_test.jpg ``` # Reference - [darknet](https://github.com/pjreddie/darknet)