目標検出YOLO v 3訓練顔検出モデル
16357 ワード
YOLOは、You Only Look Onceの略で、深いボリュームニューラルネットワークに基づく物体検出アルゴリズムで、YOLO v 3はYOLOの3番目のバージョンで、検出アルゴリズムはより速く、より正確である.
本明細書のソース:https://github.com/SpikeKing/keras-yolo3-detection
ようこそFollow私のGitHub:https://github.com/SpikeKing
YOLOv 3はCOCO(Common Objects in Context)データセットのモデルパラメータを提供している.COCOのモデルパラメータを予備訓練パラメータとし,既存のデータセットと組み合わせて独自の検出アルゴリズムを作成することができる.
本例では,
WIDER
データセット:WIDER Face
セットアップ時間:2015-11-19
WIDER FACEデータセットは、顔検出基準(benchmark)データセットであり、画像はWIDER(Web Image Dataset for Event Recognition)データセットから選択される.画像数32203枚、顔数393703個、大きさ(scale)、位置(pose)、遮蔽(occlusion)などの異なる形式では、顔は高度に変換される.WIDER FACEデータセットは61個のイベントカテゴリに基づき、各イベントカテゴリについて、トレーニング40%、検証10%、テスト50%をランダムに選択する.トレーニングおよびテストには、枠線(bounding box)真値(ground truth)が含まれており、検証には含まれていません.
データセットは公式サイトで公開ダウンロードでき、そのうちFace annotationsでは
データの説明:第1行:画像の位置と名前; 行目:枠線の数; 3~n行目:各人の顔の枠と属性: のうち1~4ビットは である. blur:ぼやけていて、0がはっきりしていて、1が一般的で、2が深刻です; expression:表情、0正常、1誇張; illumination:露光、0正常、1極度; occlusion:遮蔽、0なし、1部分、2大量; pose:姿勢、0正常、1非典型;
画像データの解像度は一般的に、サイズが異なり、サイズが1024 xで、幅が同じである.
データへんかん
トレーニング要件を満たすためにはwiderデータセットの枠線フォーマットを変換し、トレーニング要件の枠線フォーマットにする必要があります.
すなわち、ファイルパス、枠線
ソースコードを変換します.データフォルダを巡り、異なるフォーマットのデータを行ごとに解析し、ファイルに書き込む.注意:物体枠、Widerのデータフォーマットはx、y、w、hであり、訓練されたデータフォーマットはxmin、ymin、xmax、ymaxである. は顔の1つのカテゴリのみを検出し、カテゴリインデックスはいずれも0である.
具体的には、プロジェクトの
カテゴリファイル
トレーニング
YOLOv 3のトレーニングプロセス、パラメータ:寸法データ、カテゴリ、ストレージパス、予備トレーニングモデル、anchors、入力サイズ.
モデルの作成: anchorsは検出ボックスのサイズである. loggingはTensorBoardのコールバックであり、checkpointは重みを格納するコールバックである.
トレーニングデータと検証データ:
モデルコンパイルとfitデータ:損失関数は ロットの回数は32個である. 訓練データと検証データはいずれも 訓練中、checkpointによって重みを記憶し、最終的に最終的な重みを記憶する.
モデルの作成: YOLO v 3のモデルを作成し、 プリトレーニングウェイトをロードし、パラメータを凍結し、最後の3層を保持する. カスタムLambda、モデルの損失関数層; 入力はYOLOモデル入力と真値であり、出力は損失関数である.
データジェネレータ: 入力された寸法行をランダムにする. バッチ数に従って、画像を は、画像とフレームを出力し、信頼性を格納するためにバッチ数の充填を行う.
具体的なソースコードは
検証#ケンショウ#
モデル:ep 108-loss 44.018-val_loss43.270.h5
画像の検出:
その他:より多くのデータセットを追加し、具体的な需要画像と組み合わせて、検出効果を向上させることができます.
OK, that's all! Enjoy it!
本明細書のソース:https://github.com/SpikeKing/keras-yolo3-detection
ようこそFollow私のGitHub:https://github.com/SpikeKing
YOLOv 3はCOCO(Common Objects in Context)データセットのモデルパラメータを提供している.COCOのモデルパラメータを予備訓練パラメータとし,既存のデータセットと組み合わせて独自の検出アルゴリズムを作成することができる.
本例では,
WIDER FACE
人の顔データを用いて,高精度の顔検出モデルを訓練した.WIDER
データセット:WIDER Face
セットアップ時間:2015-11-19
WIDER FACEデータセットは、顔検出基準(benchmark)データセットであり、画像はWIDER(Web Image Dataset for Event Recognition)データセットから選択される.画像数32203枚、顔数393703個、大きさ(scale)、位置(pose)、遮蔽(occlusion)などの異なる形式では、顔は高度に変換される.WIDER FACEデータセットは61個のイベントカテゴリに基づき、各イベントカテゴリについて、トレーニング40%、検証10%、テスト50%をランダムに選択する.トレーニングおよびテストには、枠線(bounding box)真値(ground truth)が含まれており、検証には含まれていません.
データセットは公式サイトで公開ダウンロードでき、そのうちFace annotationsでは
wider_face_train_bbx_gt.txt
が枠線真値であり、データフォーマットは以下の通りである.0--Parade/0_Parade_marchingband_1_849.jpg
1
449 330 122 149 0 0 0 0 0 0
データの説明:
x1, y1, w, h
wider_face_val_bbx_gt.txt
はこれと似ています.画像データの解像度は一般的に、サイズが異なり、サイズが1024 xで、幅が同じである.
データへんかん
トレーニング要件を満たすためにはwiderデータセットの枠線フォーマットを変換し、トレーニング要件の枠線フォーマットにする必要があります.
すなわち、ファイルパス、枠線
xmin,ymin,xmax,ymax,label
:data/WIDER_val/images/10--People_Marching/10_People_Marching_People_Marching_2_433.jpg 614,346,771,568,0 245,382,392,570,0 353,222,461,390,0 498,237,630,399,0
ソースコードを変換します.データフォルダを巡り、異なるフォーマットのデータを行ごとに解析し、ファイルに書き込む.注意:
具体的には、プロジェクトの
wider_annotation.py
スクリプトを参照してください.def generate_train_file(bbx_file, data_folder, out_file):
paths_list, names_list = traverse_dir_files(data_folder)
name_dict = dict()
for path, name in zip(paths_list, names_list):
name_dict[name] = path
data_lines = read_file(bbx_file)
sub_count = 0
item_count = 0
out_list = []
for data_line in data_lines:
item_count += 1
if item_count % 1000 == 0:
print('item_count: ' + str(item_count))
data_line = data_line.strip()
l_names = data_line.split('/')
if len(l_names) == 2:
if out_list:
out_line = ' '.join(out_list)
write_line(out_file, out_line)
out_list = []
name = l_names[-1]
img_path = name_dict[name]
sub_count = 1
out_list.append(img_path)
continue
if sub_count == 1:
sub_count += 1
continue
if sub_count >= 2:
n_list = data_line.split(' ')
x_min = n_list[0]
y_min = n_list[1]
x_max = str(int(n_list[0]) + int(n_list[2]))
y_max = str(int(n_list[1]) + int(n_list[3]))
p_list = ','.join([x_min, y_min, x_max, y_max, '0']) # 0,
out_list.append(p_list)
continue
カテゴリファイル
wider_classes.txt
は1行しかありません.faceです.トレーニング
YOLOv 3のトレーニングプロセス、パラメータ:寸法データ、カテゴリ、ストレージパス、予備トレーニングモデル、anchors、入力サイズ.
annotation_path = 'dataset/WIDER_train.txt' #
classes_path = 'configs/wider_classes.txt' #
log_dir = 'logs/002/' #
pretrained_path = 'model_data/yolo_weights.h5' #
anchors_path = 'configs/yolo_anchors.txt' # anchors
class_names = get_classes(classes_path) #
num_classes = len(class_names) #
anchors = get_anchors(anchors_path) # anchors
input_shape = (416, 416) # 32 ,
モデルの作成:
input_shape
は入力画像のサイズである.num_classes
はカテゴリ数である.freeze_body
、モード1はすべて凍結し、モード2は訓練の最後の3層である.weights_path
、ウェイトを予め訓練する経路;model = create_model(input_shape, anchors, num_classes,
freeze_body=2,
weights_path=pretrained_path) # make sure you know what you freeze
logging = TensorBoard(log_dir=log_dir)
checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5',
monitor='val_loss', save_weights_only=True,
save_best_only=True, period=3) # weights,
トレーニングデータと検証データ:
val_split = 0.1 #
with open(annotation_path) as f:
lines = f.readlines()
np.random.seed(10101)
np.random.shuffle(lines)
np.random.seed(None)
num_val = int(len(lines) * val_split) #
num_train = len(lines) - num_val #
モデルコンパイルとfitデータ:
y_pred
予測結果のみを使用する.data_generator_wrapper
に由来する.model.compile(optimizer=Adam(lr=1e-3), loss={
# use custom yolo_loss Lambda layer.
'yolo_loss': lambda y_true, y_pred: y_pred}) #
batch_size = 32 # batch
print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes),
steps_per_epoch=max(1, num_train // batch_size),
validation_data=data_generator_wrapper(
lines[num_train:], batch_size, input_shape, anchors, num_classes),
validation_steps=max(1, num_val // batch_size),
epochs=200,
initial_epoch=0,
callbacks=[logging, checkpoint])
model.save_weights(log_dir + 'trained_weights_stage_1.h5') # , ,
モデルの作成:
yolo_body
、パラメータ画像入力、各スケールのanchor数、カテゴリ数;def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2,
weights_path='model_data/yolo_weights.h5'):
K.clear_session() # session
image_input = Input(shape=(None, None, 3)) #
h, w = input_shape #
num_anchors = len(anchors) # anchor
# YOLO , anchor , + 4 + 1
y_true = [Input(shape=(h // {0: 32, 1: 16, 2: 8}[l], w // {0: 32, 1: 16, 2: 8}[l],
num_anchors // 3, num_classes + 5)) for l in range(3)]
model_body = yolo_body(image_input, num_anchors // 3, num_classes) # model
print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))
if load_pretrained: #
model_body.load_weights(weights_path, by_name=True, skip_mismatch=True) # ,
print('Load weights {}.'.format(weights_path))
if freeze_body in [1, 2]:
# Freeze darknet53 body or freeze all but 3 output layers.
num = (185, len(model_body.layers) - 3)[freeze_body - 1]
for i in range(num):
model_body.layers[i].trainable = False #
print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))
model_loss = Lambda(yolo_loss,
output_shape=(1,), name='yolo_loss',
arguments={'anchors': anchors,
'num_classes': num_classes,
'ignore_thresh': 0.5})(model_body.output + y_true) # ,
model = Model([model_body.input] + y_true, model_loss) # ,inputs outputs
return model
データジェネレータ:
data_generator_wrapper
は条件検査に用いられる.image_data
に入れ、フレームとパラメータを真値y_true
に入れる.def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
'''data generator for fit_generator'''
n = len(annotation_lines)
i = 0
while True:
image_data = []
box_data = []
for b in range(batch_size):
if i == 0:
np.random.shuffle(annotation_lines)
image, box = get_random_data(annotation_lines[i], input_shape, random=True) #
image_data.append(image) #
box_data.append(box) #
i = (i + 1) % n
image_data = np.array(image_data)
box_data = np.array(box_data)
y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes) #
yield [image_data] + y_true, np.zeros(batch_size)
def data_generator_wrapper(annotation_lines, batch_size, input_shape, anchors, num_classes):
"""
"""
n = len(annotation_lines) #
if n == 0 or batch_size <= 0: return None
return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)
具体的なソースコードは
yolo3_train.py
を参照して、顔検出モデルを生成することができる.検証#ケンショウ#
yolo3_predict.py
では、訓練されたモデルパラメータを置き換えます.モデル:ep 108-loss 44.018-val_loss43.270.h5
画像の検出:
その他:より多くのデータセットを追加し、具体的な需要画像と組み合わせて、検出効果を向上させることができます.
OK, that's all! Enjoy it!