七 测试网络
模型测试包含于test.py文件，Detector类的image_detector()函数用于检测目标。
import os import cv2 import argparse import numpy as np import tensorflow as tf import yolo.config as cfg from yolo.yolo_net import YOLONet from utils.timer import Timer ''' 用于测试 ''' class Detector(object):
1、类初始化函数
def __init__(self, net, weight_file):
'''
构造函数
利用 cfg 文件对网络参数进行初始化，
其中 offset 的作用应该是一个定长的偏移
boundery1和boundery2 作用是在输出中确定每种信息的长度（如类别，置信度等）。
其中 boundery1 指的是对于所有的 cell 的类别的预测的张量维度，所以是 self.cell_size * self.cell_size * self.num_class
boundery2 指的是在类别之后每个cell 所对应的 bounding boxes 的数量的总和，所以是self.boundary1 + self.cell_size * self.cell_size * self.boxes_per_cell
args：
net：YOLONet对象
weight_file：检查点文件路径
'''
#yolo网络
self.net = net
#检查点文件路径
self.weights_file = weight_file
#输出文件夹路径
self.output_dir = os.path.dirname(self.weights_file)
#VOC 2012数据集类别名
self.classes = cfg.CLASSES
# #VOC 2012数据类别数
self.num_class = len(self.classes)
##图像大小
self.image_size = cfg.IMAGE_SIZE
#单元格大小S
self.cell_size = cfg.CELL_SIZE
#每个网格边界框的个数B=2
self.boxes_per_cell = cfg.BOXES_PER_CELL
#阈值参数
self.threshold = cfg.THRESHOLD
#IoU 阈值参数
self.iou_threshold = cfg.IOU_THRESHOLD
'''#将网络输出分离为类别和置信度以及边界框的大小，输出维度为7*7*20 + 7*7*2 + 7*7*2*4=1470'''
#7*7*20
self.boundary1 = self.cell_size * self.cell_size * self.num_class
#7*7*20+7*7*2
self.boundary2 = self.boundary1 +\
self.cell_size * self.cell_size * self.boxes_per_cell
#运行图之前，初始化变量
self.sess = tf.Session()
self.sess.run(tf.global_variables_initializer())
#恢复模型
print('Restoring weights from: ' + self.weights_file)
self.saver = tf.train.Saver()
#直接载入最近保存的检查点文件
ckpt = tf.train.latest_checkpoint(self.output_dir)
print("ckpt:",ckpt)
#如果存在检查点文件 则恢复模型
if ckpt!=None:
#恢复最近的检查点文件
self.saver.restore(self.sess, ckpt)
else:
#从指定检查点文件恢复
self.saver.restore(self.sess, self.weights_file)
2、draw_result()函数
在原始图像上绘制边界框，并添加一些附件信息，如目标类别，置信度。
def draw_result(self, img, result):
'''
在原图上绘制边界框，以及附加信息
args:
img：原始图片数据
result:yolo网络目标检测到的边界框，list类型 每一个元素对应一个目标框
包含{类别名,x_center,y_center,w,h,置信度}
'''
#遍历每一个边界框
for i in range(len(result)):
#x_center
x = int(result[i][1])
#y_center
y = int(result[i][2])
#w/2
w = int(result[i][3] / 2)
#h/2
h = int(result[i][4] / 2)
#绘制矩形框(目标边界框) 矩形左上角，矩形右下角
cv2.rectangle(img, (x - w, y - h), (x + w, y + h), (0, 255, 0), 2)
#绘制矩形框，用于存放类别名称，使用灰度填充
cv2.rectangle(img, (x - w, y - h - 20),
(x + w, y - h), (125, 125, 125), -1)
#线型
lineType = cv2.LINE_AA if cv2.__version__ > '3' else cv2.CV_AA
#绘制文本信息 写上类别名和置信度
cv2.putText(
img, result[i][0] + ' : %.2f' % result[i][5],
(x - w + 5, y - h - 7), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
(0, 0, 0), 1, lineType)
3、detect()函数
detect()函数用来对图像进行目标检测。
def detect(self, img):
'''
图片目标检测
args:
img:原始图片数据
return：
result：返回检测到的边界框，list类型 每一个元素对应一个目标框
包含{类别名,x_center,y_center,w,h,置信度}
'''
#获取图片的高和宽
img_h, img_w, _ = img.shape
#图片缩放 [448,448,3]
inputs = cv2.resize(img, (self.image_size, self.image_size))
#BGR->RGB uint->float32
inputs = cv2.cvtColor(inputs, cv2.COLOR_BGR2RGB).astype(np.float32)
#归一化处理 [-1.0,1.0]
inputs = (inputs / 255.0) * 2.0 - 1.0
#reshape [1,448,448,3]
inputs = np.reshape(inputs, (1, self.image_size, self.image_size, 3))
#获取网络输出第一项(即第一张图片) [1,1470]
result = self.detect_from_cvmat(inputs)[0]
#对检测的图片的边界框进行缩放处理，一张图片可以有多个边界框
for i in range(len(result)):
#x_center, y_center, w, h都是真实值，分别表示预测边界框的中心坐标，宽和高，都是浮点型
result[i][1] *= (1.0 * img_w / self.image_size) #x_center
result[i][2] *= (1.0 * img_h / self.image_size) #y_center
result[i][3] *= (1.0 * img_w / self.image_size) #w
result[i][4] *= (1.0 * img_h / self.image_size) #h
#<class 'list'> 6 ['person', 405.83171163286482, 161.40340532575334, 166.17623397282193, 298.85661533900668, 0.69636690616607666]
#Average detecting time: 0.571s
print(type(result),len(result),result[0])
return result
4、detect_from_cvmat()函数
def detect_from_cvmat(self, inputs):
'''
运行yolo网络，开始检测
args:
inputs：输入数据 [None,448,448,3]
return：
results：返回目标检测的结果，每一个元素对应一个测试图片，每个元素包含着若干个边界框
'''
#返回网络最后一层，激活函数处理之前的值 形状[None,1470]
net_output = self.sess.run(self.net.logits,
feed_dict={self.net.images: inputs})
results = []
#对网络输出每一行数据进行处理
for i in range(net_output.shape[0]):
results.append(self.interpret_output(net_output[i]))
#返回处理后的结果
return results
5、interpret_output()函数
该函数对yolo网络输出的结果进行处理，提取出有目标的边界框，方便后续的处理。
def interpret_output(self, output):
'''
对yolo网络输出进行处理
args：
output：yolo网络输出的每一行数据 大小为[1470,]
0：7*7*20：表示预测类别
7*7*20:7*7*20 + 7*7*2:表示预测置信度，即预测的边界框与实际边界框之间的IOU
7*7*20 + 7*7*2：1470：预测边界框 目标中心是相对于当前格子的，宽度和高度的开根号是相对当前整张图像的(归一化的)
return:
result:yolo网络目标检测到的边界框，list类型 每一个元素对应一个目标框
包含{类别名,x_center,y_center,w,h,置信度} 实际上这个置信度是yolo网络输出的置信度confidence和预测对应的类别概率的乘积
'''
#[7,7,2,20]
probs = np.zeros((self.cell_size, self.cell_size,
self.boxes_per_cell, self.num_class))
#类别概率 [7,7,20]
class_probs = np.reshape(
output[0:self.boundary1],
(self.cell_size, self.cell_size, self.num_class))
#置信度 [7,7,2]
scales = np.reshape(
output[self.boundary1:self.boundary2],
(self.cell_size, self.cell_size, self.boxes_per_cell))
#边界框 [7,7,2,4]
boxes = np.reshape(
output[self.boundary2:],
(self.cell_size, self.cell_size, self.boxes_per_cell, 4))
#[14,7] 每一行[0,1,2,3,4,5,6]
offset = np.array(
[np.arange(self.cell_size)] * self.cell_size * self.boxes_per_cell)
#[7,7,2] 每一行都是 [[0,0],[1,1],[2,2],[3,3],[4,4],[5,5],[6,6]]
offset = np.transpose(
np.reshape(
offset,
[self.boxes_per_cell, self.cell_size, self.cell_size]),
(1, 2, 0))
#目标中心是相对于整个图片的
boxes[:, :, :, 0] += offset
boxes[:, :, :, 1] += np.transpose(offset, (1, 0, 2))
boxes[:, :, :, :2] = 1.0 * boxes[:, :, :, 0:2] / self.cell_size
#宽度、高度相对整个图片的
boxes[:, :, :, 2:] = np.square(boxes[:, :, :, 2:])
#转换成实际的编辑框(没有归一化的)
boxes *= self.image_size
#遍历每一个边界框的置信度
for i in range(self.boxes_per_cell):
#遍历每一个类别
for j in range(self.num_class):
#在测试时，乘以条件类概率和单个盒子的置信度预测，这些分数编码了j类出现在框i中的概率以及预测框拟合目标的程度。
probs[:, :, i, j] = np.multiply(
class_probs[:, :, j], scales[:, :, i])
#[7,7,2,20] 如果第i个边界框检测到类别j 则[;,;,i,j]=1
filter_mat_probs = np.array(probs >= self.threshold, dtype='bool')
#返回filter_mat_probs非0值的索引 返回4个List，每个list长度为n 即检测到的边界框的个数
filter_mat_boxes = np.nonzero(filter_mat_probs)
#获取检测到目标的边界框 [n,4] n表示边界框的个数
boxes_filtered = boxes[filter_mat_boxes[0],
filter_mat_boxes[1], filter_mat_boxes[2]]
#获取检测到目标的边界框的置信度 (n,)
probs_filtered = probs[filter_mat_probs]
#获取检测到目标的边界框对应的目标类别 (n,)
classes_num_filtered = np.argmax(
filter_mat_probs, axis=3)[
filter_mat_boxes[0], filter_mat_boxes[1], filter_mat_boxes[2]]
#按置信度倒序排序，返回对应的索引
argsort = np.array(np.argsort(probs_filtered))[::-1]
boxes_filtered = boxes_filtered[argsort]
probs_filtered = probs_filtered[argsort]
classes_num_filtered = classes_num_filtered[argsort]
for i in range(len(boxes_filtered)):
if probs_filtered[i] == 0:
continue
for j in range(i + 1, len(boxes_filtered)):
#计算n各边界框，两两之间的IoU是否大于阈值，非极大值抑制
if self.iou(boxes_filtered[i], boxes_filtered[j]) :
probs_filtered[j] = 0.0
#非极大值抑制后的输出
filter_iou = np.array(probs_filtered > 0.0, dtype='bool')
boxes_filtered = boxes_filtered[filter_iou]
probs_filtered = probs_filtered[filter_iou]
classes_num_filtered = classes_num_filtered[filter_iou]
result = []
#遍历每一个边界框
for i in range(len(boxes_filtered)):
result.append(
[self.classes[classes_num_filtered[i]], #类别名
boxes_filtered[i][0], #x中心
boxes_filtered[i][1], #y中心
boxes_filtered[i][2], #宽度
boxes_filtered[i][3], #高度
probs_filtered[i]]) #置信度
return result
6、iou()函数
计算两个边界框的IoU值。
def iou(self, box1, box2):
'''
计算两个边界框的IoU
args:
box1：边界框1 [4,] 真实值
box2：边界框2 [4,] 真实值
'''
tb = min(box1[0] + 0.5 * box1[2], box2[0] + 0.5 * box2[2]) - \
max(box1[0] - 0.5 * box1[2], box2[0] - 0.5 * box2[2])
lr = min(box1[1] + 0.5 * box1[3], box2[1] + 0.5 * box2[3]) - \
max(box1[1] - 0.5 * box1[3], box2[1] - 0.5 * box2[3])
inter = 0 if tb < 0 or lr < 0 else tb * lr
return inter / (box1[2] * box1[3] + box2[2] * box2[3] - inter)
7、camera_detector()函数
调用摄像头实现实时目标检测。
def camera_detector(self, cap, wait=10):
'''
打开摄像头，实时检测
'''
#测试时间
detect_timer = Timer()
#读取一帧
ret, _ = cap.read()
while ret:
#读取一帧
ret, frame = cap.read()
#测试其实时间
detect_timer.tic()
result = self.detect(frame)
#测试结束时间
detect_timer.toc()
print('Average detecting time: {:.3f}s'.format(
detect_timer.average_time))
#绘制边界框，以及添加附加信息
self.draw_result(frame, result)
#显示
cv2.imshow('Camera', frame)
cv2.waitKey(wait)
8、image_detector()函数
对图片进行目标检测。
def image_detector(self, imname, wait=0):
'''
目标检测
args：
imname：测试图片路径
'''
#检测时间
detect_timer = Timer()
#读取图片
image = cv2.imread(imname)
#image = cv2.resize(image,(int(image.shape[1]/2),int(image.shape[0]/2)))
#检测的起始时间
detect_timer.tic()
#开始检测
result = self.detect(image)
#检测的结束时间
detect_timer.toc()
print('Average detecting time: {:.3f}s'.format(
detect_timer.average_time))
#绘制检测结果
self.draw_result(image, result)
cv2.imshow('Image', image)
cv2.waitKey(wait)
介绍完了Detector这个类，我们来看一下main函数。该函数比较检测，首先解析命令行参数，然后创建yolo网络，以及检测器对象，最后调用image_detector()函数对图片进行目标检测。
def main():
#创建一个解析器对象，并告诉它将会有些什么参数。当程序运行时，该解析器就可以用于处理命令行参数。
#https://www.cnblogs.com/lovemyspring/p/3214598.html
parser = argparse.ArgumentParser()
#定义参数
parser.add_argument('--weights', default="YOLO_small.ckpt", type=str)
parser.add_argument('--weight_dir', default='weights', type=str)
parser.add_argument('--data_dir', default="data", type=str)
parser.add_argument('--gpu', default='', type=str)
#定义了所有参数之后，你就可以给 parse_args() 传递一组参数字符串来解析命令行。默认情况下，参数是从 sys.argv[1:] 中获取
#parse_args() 的返回值是一个命名空间，包含传递给命令的参数。该对象将参数保存其属性
args = parser.parse_args()
#设置环境变量
os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu
#创建YOLO网络对象
yolo = YOLONet(False)
#加载检查点文件
weight_file = os.path.join(args.data_dir, args.weight_dir, args.weights)
weight_file = './data/pascal_voc/weights/YOLO_small.ckpt'
#weight_file = './data/pascal_voc/output/2018_07_09_17_00/yolo.ckpt-1000'
#创建测试对象
detector = Detector(yolo, weight_file)
# detect from camera
# cap = cv2.VideoCapture(-1)
# detector.camera_detector(cap)
# detect from image file
imname = 'test/car.jpg'
detector.image_detector(imname)
我们执行如下代码，开始测试网络：
if __name__ == '__main__':
tf.reset_default_graph()
main()
我们可以看到yolo网络对小目标检测效果并不好，漏检了一个目标。这主要与yolo的网络结构以及损失函数有关。除此之外yolo网络还有一些其他缺点，我们总结如下：
- 漏检。每个网格只预测一个类别的边界框，而且最后只取置信度最大的那个边界框。这就导致如果多个不同物体(或者同类物体的不同实体)的中心落在同一个网格中，会造成漏检。yolo对相互靠的很近的物体，还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。
- 位置精准性差。召回率低。由于损失函数的问题，定位误差是影响检测效果的主要原因。尤其是大小物体的处理上，还有待加强。
- 对测试图像中，同一类物体出现的新的不常见的长宽比和其他情况是。泛化能力偏弱。