基于yoloV3的目标检测神经网络可识别行人、自行车与机动车python源码.zip

# 基于YOLOv3的目标检测实验报告 ## 目录 - 小组成员及分工 - YOLOv3目标检测网络 - YOLO算法简介 - 网络结构 - PaddlePaddle代码实现 - 主要参数 - 模型建立 - 训练与迭代 - 数据集基本信息 - 训练过程中的参数调整与模型优化 - YOLO和YOLO-tiny对比 - 参数调整 - 模型优化 - 网络性能分析 - 挑战集测试分析 - 实际结果 --- ## YOLOv3目标检测网络 ### YOLO算法简介 - 相关算法 1. 滑动窗口 &emsp;&emsp;采用滑动窗口的目标检测算法将检测问题转化为了图像分类问题。其基本原理就是采用不同大小和比例（宽高比）的窗口在整张图片上以一定的步长进行滑动，然后对这些窗口对应的区域做图像分类，这样就可以实现对整张图片的检测了。 <div align=center><img src="https://images2017.cnblogs.com/blog/606386/201708/606386-20170826152837558-1289161833.png"/></div> 2. 非极大值抑制 &emsp;&emsp;首先从所有的检测框中找到置信度最大的那个框，然后挨个计算其与剩余框的交并比(IOU)，如果其值大于一定阈值（重合度过高），那么就将该框剔除；然后对剩余的检测框重复上述过程，直到处理完所有的检测框。 <div align=center><img src="https://img-blog.csdn.net/20180307143236194?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvVHdUNTIwTHk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70"/></div> - YOLO算法 &emsp;&emsp;YOLO将对象检测重新定义为一个回归问题。它将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。对于每个网格，网络都会预测一个边界框和与每个类别（汽车，行人，交通信号灯等）相对应的概率。每个边界框可以使用四个描述符进行描述： 1. 边界框的中心 2. 高度 3. 宽度 4. 值映射到对象所属的类 &emsp;&emsp;此外，该算法还可以预测边界框中存在对象的概率。如果一个对象的中心落在一个网格单元中，则该网格单元负责检测该对象。每个网格中将有多个边界框。在训练时，我们希望每个对象只有一个边界框。因此，我们根据哪个Box与ground truth box的重叠度最高，从而分配一个Box来负责预测对象。 &emsp;&emsp;最后，对每个类的对象应用非最大值抑制的方法来过滤出“置信度”小于阈值的边界框。这为我们提供了图像预测。 <div align=center><img src ="https://pics2.baidu.com/feed/a8014c086e061d95a3897a4e0b1385d760d9cae3.jpeg?token=d08c83b9aff4cbc62139ce92a1332c8f"/></div> ### 网络结构 - YOLOv3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络的做法，在一些层之间设置了快捷链路。下图展示了其基本结构。 <div align=center><img src ="https://img-blog.csdnimg.cn/20190329210004674.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpdHQxZQ==,size_16,color_FFFFFF,t_70"/></div> 其中Darknet-53的具体结构如下，其采用448*448*3作为输入，左侧数字表示多重复的残差组件个数，每个残差组件有两个卷积层和一个快捷链路。 <div align=center><img src ="https://upload-images.jianshu.io/upload_images/2709767-e65c08c61bfaa7c7.png?imageMogr2/auto-orient/strip|imageView2/2/w/520/format/webp"/></div> ### PaddlePaddle代码实现 #### 主要参数 ``` train_params = { "data_dir": "data/data6045", # 数据目录 "train_list": "train.txt", # 训练集文件 "eval_list": "eval.txt", "class_dim": -1, "label_dict": {}, # 标签字典 "num_dict": {}, "image_count": -1, "continue_train": True, # 是否加载前一次的训练参数，接着训练 "pretrained": False, # 是否预训练 "pretrained_model_dir": "./pretrained-model", "save_model_dir": "./yolo-model", # 模型保存目录 "model_prefix": "yolo-v3", # 模型前缀 "freeze_dir": "freeze_model", "use_tiny": False, # 是否使用 裁剪 tiny 模型 "max_box_num": 8, # 一幅图上最多有多少个目标 "num_epochs": 15, # 训练轮次 "train_batch_size": 12, # 对于完整yolov3，每一批的训练样本不能太多，内存会炸掉；如果使用tiny，可以适当大一些 "use_gpu": True, # 是否使用GPU "yolo_cfg": { # YOLO模型参数 "input_size": [3, 448, 448], # 原版的边长大小为608，为了提高训练速度和预测速度，此处压缩为448 "anchors": [7, 10, 12, 22, 24, 17, 22, 45, 46, 33, 43, 88, 85, 66, 115, 146, 275, 240], # 锚点?? "anchor_mask": [[6, 7, 8], [3, 4, 5], [0, 1, 2]] }, "yolo_tiny_cfg": { # YOLO tiny 模型参数 "input_size": [3, 256, 256], "anchors": [6, 8, 13, 15, 22, 34, 48, 50, 81, 100, 205, 191], "anchor_mask": [[3, 4, 5], [0, 1, 2]] }, "ignore_thresh": 0.7, "mean_rgb": [127.5, 127.5, 127.5], "mode": "train", "multi_data_reader_count": 4, "apply_distort": True, # 是否做图像扭曲增强 "nms_top_k": 300, "nms_pos_k": 300, "valid_thresh": 0.01, "nms_thresh": 0.40, # 非最大值抑制阈值 "image_distort_strategy": { # 图像扭曲策略 "expand_prob": 0.5, # 扩展比率 "expand_max_ratio": 4, "hue_prob": 0.5, # 色调 "hue_delta": 18, "contrast_prob": 0.5, # 对比度 "contrast_delta": 0.5, "saturation_prob": 0.5, # 饱和度 "saturation_delta": 0.5, "brightness_prob": 0.5, # 亮度 "brightness_delta": 0.125 }, "sgd_strategy": { # 梯度下降配置 "learning_rate": 0.002, "lr_epochs": [30, 50, 65], # 学习率衰减分段（3个数字分为4段） "lr_decay": [1, 0.5, 0.25, 0.1] # 每段采用的学习率，对应lr_epochs参数4段 }, "early_stop": { "sample_frequency": 50, "successive_limit": 3, "min_loss": 2.5, "min_curr_map": 0.84 } } ``` #### 模型建立 ``` class YOLOv3(object): def __init__(self, class_num, anchors, anchor_mask): self.outputs = [] # 网络最终模型 self.downsample_ratio = 1 # 下采样率 self.anchor_mask = anchor_mask # 计算卷积核？？？ self.anchors = anchors # 锚点 self.class_num = class_num # 类别数量 self.yolo_anchors = [] self.yolo_classes = [] for mask_pair in self.anchor_mask: mask_anchors = [] for mask in mask_pair: mask_anchors.append(self.anchors[2 * mask]) mask_anchors.append(self.anchors[2 * mask + 1]) self.yolo_anchors.append(mask_anchors) self.yolo_classes.append(class_num) def name(self): return 'YOLOv3' # 获取anchors def get_anchors(self): return self.anchors # 获取anchor_mask def get_anchor_mask(self): return self.anchor_mask def get_class_num(self): return self.class_num def get_downsample_ratio(self): return self.downsample_ratio def get_yolo_anchors(self): return self.yolo_anchors def get_yolo_classes(self): return self.yolo_classes # 卷积正则化函数: 卷积、批量正则化处理、leakrelu def conv_bn(self, input, # 输入 num_filters, # 卷积核数量 filter_size, # 卷积核大小 stride, # 步幅 padding, # 填充 use_cudnn=True): # 2d卷积操作 conv