5. 使用PyTorch预先训练的模型执行目标检测

企业开发 2022-06-28 14:34:01 阅读次数: 0

5. 使用PyTorch预先训练的网络执行目标检测

这篇博客将介绍如何使用PyTorch预训练的网络执行目标检测，这些网络是开创性的、最先进的图像分类网络，包括使用ResNet的更快R-CNN、使用MobileNet的更快R-CNN和RetinaNet。

  • 具有ResNet50主干的更快R-CNN（Faster R-CNN with a ResNet50 backbone 更精确，但速度较慢）
  • 具有MobileNet主干的更快R-CNN（Faster R-CNN with a MobileNet v3 backbone 速度更快，但准确度稍低）
  • 具有ResNet50主干的RetinaNet（RetinaNet with a ResNet50 backbone 速度和准确性之间的良好平衡）
    在准确度和检测小物体方面，Faster R-CNN的表现都非常好。然而，这种准确性是有代价的——Faster R-CNN 模型往往比 Single Shot Detectors (SSD) 和 YOLO慢得多。
    为了帮助加快Faster R-CNN架构，可以将计算成本高昂的ResNet主干换成更轻、更高效（但不太准确）的 MobileNet主干。这样做会提高你的速度。
    否则，RetinaNet 是速度和准确性之间的一个很好的折衷方案。

1. 效果图

第一次运行会自动下载模型

Downloading: "https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth" to C:\Users\xx/.cache\torch\hub\checkpoints\fasterrcnn_resnet50_fpn_coco-258fb6c6.pth
Downloading: "https://download.pytorch.org/models/fasterrcnn_mobilenet_v3_large_320_fpn-907ea3f9.pth" to C:\Users\xx/.cache\torch\hub\checkpoints\fasterrcnn_mobilenet_v3_large_320_fpn-907ea3f9.pth
Downloading: "https://download.pytorch.org/models/retinanet_resnet50_fpn_coco-eeacb38b.pth" to C:\Users\xx/.cache\torch\hub\checkpoints\retinanet_resnet50_fpn_coco-eeacb38b.pth

frcnn-resnet 效果图如下
使用的对象检测器是一个速度更快的R-CNN，带有ResNet50主干。由于网络的设计方式，速度更快的R-CNN往往非常擅长检测图像中的小物体——这一点可以从以下事实中得到证明：不仅在输入图像中检测到了所有的风筝，而且还检测到了其中的人，椅子（人眼几乎看不到），它真实地展示了R-CNN模型在检测小对象方面有多快。
在这里插入图片描述

更快的R-CNN和PyTorch可以一起用于检测复杂场景中的小对象。降低默认置信度将允许检测更多对象，但可能会误报。

frcnn-mobilenet 效果图如下"
在这里插入图片描述

retinanet 效果图如下"
可以看到蛋糕、酒杯、桌子、刀、胡萝卜、杯子都被成功检测到。
在这里插入图片描述
调低置信度会有更多的对象被检测出来，但也可能误报。
在这里插入图片描述

实时检测效果图如下
使用带有MobileNet v3的Faster R-CNN 模型（速度最佳），实现了≈5 FPS/秒。还没有达到大于20FPS的真正实时速度，但是有了更快的GPU和更多的优化可以轻松达到目标。
在这里插入图片描述

2. 原理

2.1 什么是经过预训练的对象检测网络，包括PyTorch库中构建的对象检测网络

就像ImageNet挑战往往是图像分类的事实标准一样，COCO数据集（上下文中的常见对象）往往是对象检测基准的标准。
该数据集包含90多类日常世界中常见的对象。计算机视觉和深度学习研究人员在COCO数据集上开发、训练和评估最先进的目标检测网络。
大多数研究人员还将预先训练好的权重发布到模型中，以便计算机视觉从业者可以轻松地将对象检测纳入自己的项目中。
本教程将演示如何使用PyTorch使用以下最先进的分类网络执行对象检测：

  • 具有ResNet50主干的更快R-CNN
  • 具有MobileNet主干的更快R-CNN
  • 具有ResNet50主干的RetinaNet

2.2 环境部署

pip install torch torchvision
pip install opencv-contrib-python

下载coco数据集可以通过fiftyone或者github

pip install fiftyone
pip install tensorflow torch torchvision umap-learn # 使用keras及torch
pip install ipywidgets>=7.5 # jupter notebook交互图

扫描二维码关注公众号，回复： 14334261 查看本文章

3. 源码

3.1 照片目标检测

# USAGE
# python detect_image.py --model frcnn-resnet --image images/man.jpg --labels coco_classes_91.pickle
# python detect_image.py --model frcnn-resnet --image images/fruit.jpg --labels coco_classes_91.pickle --confidence 0.7

# coco_classes.pickle 包含PyTorch预训练对象检测网络所训练的类标签的名称。
# detect_image.py：在静态图像中使用PyTorch执行对象检测
# detect_realtime.py：将PyTorch对象检测应用于实时视频流
# image/: 示例测试图片

# 导入必要的包
import argparse
import pickle

import cv2
import numpy as np
import torch
from torchvision.models import detection  # torchvision.models包含目标检测的预训练模型

# 解析命令行参数
# --image 要执行目标检测的图像路径
# --model 要使用的PyTorch目标检测模型名称(Faster R-CNN + ResNet, Faster R-CNN + MobileNet, or RetinaNet + ResNet)
# --labels: COCO标签文件路径，包含可读性强的类标签containing human readable class labels
# --confidence: 过滤弱检测的置信度阈值
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", type=str, required=False, default='images/banner_eccv18.jpg',
                help="path to the input image")
ap.add_argument("-m", "--model", type=str, default="frcnn-resnet",
                choices=["frcnn-resnet", "frcnn-mobilenet", "retinanet"],
                help="name of the object detection model")
ap.add_argument("-l", "--labels", type=str, default="coco_classes_91.pickle",
                help="path to file containing list of categories in COCO dataset")
ap.add_argument("-c", "--confidence", type=float, default=0.5,
                help="minimum probability to filter weak detections")
args = vars(ap.parse_args())

# 设置使用cpu/gpu
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 加载COCO数据集标签，生成对应的边界框颜色列表（为每个标签生成随机颜色）
CLASSES = pickle.loads(open(args["labels"], "rb").read())
COLORS = np.random.uniform(0, 255, size=(len(CLASSES), 3))

# 初始化一个字典包括模型名及对应的PyTorch模型调用函数
# - 带有ResNet50主干网的快速R-CNN（Faster R-CNN with a ResNet50 backbone 更精确，但速度较慢）
# - 带有MobileNet v3主干网的快速R-CNN（Faster R-CNN with a MobileNet v3 backbone 速度更快，但准确度稍低）
# - 带有ResNet50主干网的RetinaNet（RetinaNet with a ResNet50 backbone 速度和准确性之间的良好平衡）
MODELS = {
    
    
    "frcnn-resnet": detection.fasterrcnn_resnet50_fpn,
    "frcnn-mobilenet": detection.fasterrcnn_mobilenet_v3_large_320_fpn,
    "retinanet": detection.retinanet_resnet50_fpn
}

# 加载模型，设置为评估模式
# pretrained=True：告诉PyTorch在COCO数据集上使用预先训练的权重加载模型架构
# progress=True：如果模型尚未下载和缓存，则显示下载进度条
# num_classes：唯一类的总数
# pretrained_backbone：为目标探测器提供主干网
# model = MODELS[args["model"]](pretrained=True, progress=True,
#                               num_classes=len(CLASSES), pretrained_backbone=True).to(DEVICE)
model = MODELS[args["model"]](pretrained=True, progress=True,
                              num_classes=91, pretrained_backbone=True).to(DEVICE)
model.eval()

# 从磁盘加载图像
image = cv2.imread(args["image"])
orig = image.copy()

# 将颜色通道顺序从BGR转换为RGB（因为PyTorch模型是在RGB顺序图像上训练的）
# 将颜色通道顺序从“通道最后”（OpenCV和Keras/TensorFlow默认值）切换到“通道第一”（PyTorch默认值）
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = image.transpose((2, 0, 1))

# 添加维度，缩放像素值为[0,1]范围
# 将图像从NumPy数组转换为具有浮点数据类型的张量
image = np.expand_dims(image, axis=0)
image = image / 255.0
image = torch.FloatTensor(image)

# 传递图像到设备，并进行预测
image = image.to(DEVICE)
detections = model(image)[0]

# 遍历检测结果
for i in range(0, len(detections["boxes"])):
    # 获取与检测相关的置信度（即概率）
    confidence = detections["scores"][i]

    # 过滤弱检测
    if confidence > args["confidence"]:
        # 提取类标签的下标，计算对象的边界框坐标
        idx = int(detections["labels"][i])
        box = detections["boxes"][i].detach().cpu().numpy()
        # 获取边界框坐标并将其转换为整数
        (startX, startY, endX, endY) = box.astype("int")

        # 展示类标签到终端
        label = "{} {}: {:.2f}%".format(str(idx), CLASSES[idx], confidence * 100)
        print("[INFO] {}".format(label))
        label = "{}: {:.2f}%".format(CLASSES[idx], confidence * 100)

        # 绘制边界框和label在图像上
        cv2.rectangle(orig, (startX, startY), (endX, endY),
                      COLORS[idx], 2)
        y = startY - 15 if startY - 15 > 15 else startY + 15
        cv2.putText(orig, label, (startX, y),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2)

# 展示输出图像
cv2.imshow("Output " + str(args["model"]), orig)
cv2.waitKey(0)

3.2 实时视频流（文件/摄像头）目标检测

# coco_classes.pickle 包含PyTorch预训练对象检测网络所训练的类标签的名称。
# detect_frame.py：在静态图像中使用PyTorch执行对象检测
# detect_realtime.py：将PyTorch对象检测应用于实时视频流
# frame/: 示例测试图片

# USAGE
# python detect_realtime.py --model frcnn-mobilenet --labels coco_classes_91.pickle
# python detect_realtime.py --model frcnn-mobilenet --input images/jurassic_park_trailer.mp4 --labels coco_classes_91.pickle --confidence 0.6

# 导入必要的包
import argparse
import pickle
import time

import cv2
import imutils
import numpy as np
import torch
from imutils.video import FPS  # FPS：测量对象检测管道的近似每秒帧数吞吐率
from imutils.video import VideoStream  # 访问摄像头流
from torchvision.models import detection

# 构建命令行参数及解析
# --model 要使用的PyTorch目标检测模型名称(Faster R-CNN + ResNet, Faster R-CNN + MobileNet, or RetinaNet + ResNet)
# --labels: COCO标签文件路径，包含可读性强的类标签containing human readable class labels
# -i 可选的输入视频文件路径，不输入则使用网络摄像头
# -o 可选的输出视频文件路径
# --confidence: 置信度阈值，过滤弱的假阳性检测
ap = argparse.ArgumentParser()
ap.add_argument("-m", "--model", type=str, default="frcnn-resnet",
                choices=["frcnn-resnet", "frcnn-mobilenet", "retinanet"],
                help="name of the object detection model")
ap.add_argument("-l", "--labels", type=str, default="coco_classes_90.pickle",
                help="path to file containing list of categories in COCO dataset")
ap.add_argument("-i", "--input", type=str,
                help="path to optional input video file")
ap.add_argument("-o", "--output", type=str,
                help="path to optional output video file")
ap.add_argument("-c", "--confidence", type=float, default=0.5,
                help="minimum probability to filter weak detections")
args = vars(ap.parse_args())

# 设置使用cpu/gpu
DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# 加载COCO数据集标签，生成对应的边界框颜色列表（为每个标签生成随机颜色）
CLASSES = pickle.loads(open(args["labels"], "rb").read())
COLORS = np.random.uniform(0, 255, size=(len(CLASSES), 3))

# 初始化一个字典包括模型名及对应的PyTorch模型调用函数
# - 带有ResNet50主干网的快速R-CNN（Faster R-CNN with a ResNet50 backbone 更精确，但速度较慢）
# - 带有MobileNet v3主干网的快速R-CNN（Faster R-CNN with a MobileNet v3 backbone 速度更快，但准确度稍低）
# - 带有ResNet50主干网的RetinaNet（RetinaNet with a ResNet50 backbone 速度和准确性之间的良好平衡）
MODELS = {
    
    
    "frcnn-resnet": detection.fasterrcnn_resnet50_fpn,
    "frcnn-mobilenet": detection.fasterrcnn_mobilenet_v3_large_320_fpn,
    "retinanet": detection.retinanet_resnet50_fpn
}

# 加载模型，设置为评估模式
# pretrained=True：告诉PyTorch在COCO数据集上使用预先训练的权重加载模型架构
# progress=True：如果模型尚未下载和缓存，则显示下载进度条
# num_classes：唯一类的总数
# pretrained_backbone：为目标探测器提供主干网
model = MODELS[args["model"]](pretrained=True, progress=True,
                              num_classes=len(CLASSES), pretrained_backbone=True).to(DEVICE)
model.eval()

# 如果没有输入的视频文件路径提供，则获取网络摄像头的指针
# 初始化视频流，允许摄像头预热2s，初始化fps吞吐量
if not args.get("input", False):
    print("[INFO] starting video stream...")
    vs = VideoStream(src=0).start()
    time.sleep(2.0)
# 否则，获取视频文件指针
else:
    print("[INFO] opening video file...")
    vs = cv2.VideoCapture(args["input"])
fps = FPS().start()

# 初始化视频文件writer
writer = None

# 初始化帧的宽度和高度
W = None
H = None

# 遍历视频流里的帧
while True:
    # 从线程化的视频流获取帧，缩放为宽度400px
    # 从视频流中读取一帧，调整其大小（输入帧越小，推断速度越快），然后克隆它，以便以后可以对其进行绘制
    # 获取下一帧，并判断是从摄像头或者文件捕获到的帧
    frame = vs.read()
    frame = frame[1] if args.get("input", False) else frame

    # 如果在文件流未获取到视频帧，则表明到了文件末尾，终止循环
    if args["input"] is not None and frame is None:
        break
    frame = imutils.resize(frame, width=400)
    orig = frame.copy()

    # 将颜色通道顺序从BGR转换为RGB（因为PyTorch模型是在RGB顺序图像上训练的）
    # 将颜色通道顺序从“通道最后”（OpenCV和Keras/TensorFlow默认值）切换到“通道第一”（PyTorch默认值）
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    frame = frame.transpose((2, 0, 1))

    # 添加维度，缩放像素值为[0,1]范围
    # 将图像从NumPy数组转换为具有浮点数据类型的张量
    frame = np.expand_dims(frame, axis=0)
    frame = frame / 255.0
    frame = torch.FloatTensor(frame)

    # 传递图像到设备，并进行预测
    frame = frame.to(DEVICE)
    detections = model(frame)[0]

    # 遍历检测结果
    for i in range(0, len(detections["boxes"])):
        # 获取与检测相关的置信度（即概率）
        confidence = detections["scores"][i]

        # 过滤弱检测
        if confidence > args["confidence"]:
            # 提取类标签的下标，计算对象的边界框坐标
            idx = int(detections["labels"][i])
            box = detections["boxes"][i].detach().cpu().numpy()
            # 获取边界框坐标并将其转换为整数
            (startX, startY, endX, endY) = box.astype("int")

            # 展示类标签到终端
            label = "{}: {:.2f}%".format(CLASSES[idx], confidence * 100)
            print("[INFO] {}".format(label))

            # 绘制边界框和label在图像上
            cv2.rectangle(orig, (startX, startY), (endX, endY),
                          COLORS[idx], 2)
            y = startY - 15 if startY - 15 > 15 else startY + 15
            cv2.putText(orig, label, (startX, y),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, COLORS[idx], 2)

    # 如果帧的宽度和高度为None，则定义WH
    if W is None or H is None:
        (H, W) = orig.shape[:2]

    # 如果需要写入结果视频流到磁盘，则初始化writer
    if args["output"] is not None and writer is None:
        fourcc = cv2.VideoWriter_fourcc(*"MJPG")
        writer = cv2.VideoWriter(args["output"], fourcc, 30,
                                 (W, H), True)

        # 检查是否绘制结果到文件
    if writer is not None:
        writer.write(orig)

    # 展示输出帧
    cv2.imshow("Frame", orig)
    key = cv2.waitKey(1) & 0xFF

    # 按下‘q’键，退出循环
    if key == ord("q"):
        break

    # 更新fps计数器
    fps.update()

# 停止FPS计时器并显示（1）脚本运行时间和（2）大约每秒帧数吞吐量信息。
fps.stop()
print("[INFO] elapsed time: {:.2f}".format(fps.elapsed()))
print("[INFO] approx. FPS: {:.2f}".format(fps.fps()))

# 检查是否需要释放视频writer指针
if writer is not None:
    writer.release()

# 如果不使用视频文件，停止线程化的视频流对象
if not args.get("input", False):
    vs.stop()
# 否则释放视频流指针
else:
    vs.release()

# 关闭所有打开的窗口
cv2.destroyAllWindows()

参考

猜你喜欢

转载自blog.csdn.net/qq_40985985/article/details/125496034
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
周排行
Python环境安装与基础语法（1）——计算机基础知识
IMU预积分
ADAS中的LDW、FCW、BSD、LCA、ACC、AEB、APA、DMS代表的含义
B站笔试两道题
skyeye arm 硬件虚拟机环境的搭建
Web前端静态页面示例
数组-合并排序数组 II-简单
springcloud之版本问题启动报错
面向对象-------------匿名对象(六)
输入URL到页面呈现中间发生了什么？
每日归档
更多
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022