使用YOLOV3快速实现UAV视角的目标检测--VisDrone2019

前言：

学渣的生活就是拿着各种数据集在算法上各种训练、各种玩……当然，个人觉得还是有意思的，在你有一台Bebop2无人机的情况下，结合本人前面的博客，搭建一个无人机实时目标检测平台，再配合这个检测模型，还是相对有点意思的。先看一下训练后模型的检测效果吧，无人机实时传输回来的图像在工作站上实时的检测效果(在视频上测试的，照片为截图)，你再决定是不是要看本篇博客接下来的内容。要是觉得效果不是你想要的，你就不会浪费时间了…………为什么要去掉检测框的名字，是因为有名字，整个检测的画面好难看，至于怎么去掉检测框的名字，只需要屏蔽image.c代码中

draw_label(im, top + width, left, label, rgb)

函数即可！
(视频观看链接：https://www.youtube.com/watch?v=5EITG1rbAHc&t=36s)
在这里插入图片描述

一．Visdrone2018数据集的介绍及下载

1.数据集的介绍：http://www.aiskyeye.com/views/index
2.数据下载的主页：http://www.aiskyeye.com/my/downloadD
3.在本次训练中，用到了Task1：Object Detection in Images的两部分实验数据：
Trainset(1.44GB)、Valset(0.07GB) 数据分别可通过百度云和google云下载；
4.数据下载好后解压放在同一文件夹内，以便后面的步骤使用；

二．Visdrone2018数据集标签格式转换

在该部分，实验中通过代码将Visdrone数据集标签格式转换至Darknet所需要的格式；
该部分代码，需要运行两次，放在两部分实验数据集(Train、Val)的目录下，分别运行即可；
运行后，每个文件夹里面会生成image.txt文件。(为了后面更加容易区分训练和验证的数据，在运行代码时可以修改改文件的名字，例如：train.txt、val.txt)
代码如下：（脚本参考来源于github，若有侵权，将及时删除！感谢每一位开源分享的大神！）

import os
from pathlib import Path
from PIL import Image
import csv


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[2] / 2) * dw
    y = (box[1] + box[3] / 2) * dh
    w = box[2] * dw
    h = box[3] * dh
    return (x, y, w, h)
            
wd = os.getcwd()

if not os.path.exists('labels'):
    os.makedirs('labels')


train_file = 'images.txt'  
train_file_txt = ''
    
anns = os.listdir('annotations')
for ann in anns:
    ans = ''
    outpath = wd + '/labels/' + ann
    if ann[-3:] != 'txt':
        continue
    with Image.open(wd + '/images/' + ann[:-3] + 'jpg') as Img:
        img_size = Img.size
    with open(wd + '/annotations/' + ann, newline='') as csvfile:
        spamreader = csv.reader(csvfile)
        for row in spamreader:
            if row[4] == '0':
                continue
            bb = convert(img_size, tuple(map(int, row[:4])))
            ans = ans + str(int(row[5])-1) + ' ' + ' '.join(str(a) for a in bb) + '\n'
            with open(outpath, 'w') as outfile:
                outfile.write(ans)
    train_file_txt = train_file_txt + wd + '/images/' + ann[:-3] + 'jpg\n'

with open(train_file, 'w') as outfile:
    outfile.write(train_file_txt)

三．YoloV3算法模型代码的调整以及模型的训练

1.创建visdrone.data文件(按照如下方式修改)

classes= 10
train  = /path/to/visdrone_train_dataset/images.txt
valid  = /path/to/visdrone_val_dataset/images.txt
names = data/visdrone.names
backup = backup

2.修改yolov3-voc.cfg文件
修改三处：(random参数可根据自己电脑GPU性能调整)

(第一部分)
[convolutional]
size=1
stride=1
pad=1
filters=45 ##255  f=3*(class+5)
activation=linear
[yolo]
mask = 6,7,8
achors=10,13, 16,30, 33,23, 30,61, 62, 45, 50.119, 116,90, 156,198, 373,326
classes=10 ##80
num=9
jitter=.3
ignore_thresh=.7
truth_thresh=1
random=1

(第二部分)
[convolutional]
size=1
stride=1
pad=1
filters=45 ##255  f=3*(class+5)
activation=linear
[yolo]
mask = 3,4,5
achors=10,13, 16,30, 33,23, 30,61, 62, 45, 50.119, 116,90, 156,198, 373,326
classes=10 ##80
num=9
jitter=.3
ignore_thresh=.7
truth_thresh=1
random=1

(第三部分)
[convolutional]
size=1
stride=1
pad=1
filters=45 ##255  f=3*(class+5)
activation=linear
[yolo]
mask = 0,1,2
achors=10,13, 16,30, 33,23, 30,61, 62, 45, 50.119, 116,90, 156,198, 373,326
classes=10 ##80
num=9
jitter=.3
ignore_thresh=.7
truth_thresh=1
random=1

3.修改.names文件
阅读Visdrone官方.md文件可知道共计10类目标，visdrone.names:

pedestrian
people
bicycle
car
van
truck
tricycle
awning-tricycle
bus
motor

4.模型Train起来(用的是darknet53.conv.74这个pretrain_model)

./darknet detector train cfg/visdrone.data cfg/yolov3-voc-visdrone.cfg darknet53.conv.74

四．总结

最终，模型在一块1060显卡上迭代了50200次，大概花费了四天左右的时间，得到了最终的模型。对了，最终的loss没有很理想的收敛下来，貌似记的是在15的样子，不知道是不是数据太复杂了，还是迭代的次数不够。要是你们能够更好的收敛，欢迎交流！！**若需要数据的可通过本人百度网盘分享！
本篇博客若有不足，请多多谅解，互相学习，互相进步～未来会做更多相关的算法的实验！（预计下一篇博客的内容：改进YOLO网络框架来实现更加高效的检测（实验已经做完，有时间就把博客写上来！））**
最后再来一张检测结果的截图！！
在这里插入图片描述