要約: ディープラーニングに基づく高精度のヘルメットとベストの検出と認識システムは、日常生活や現場でヘルメットとベストのターゲットを検出して位置を特定するために使用できます.ディープラーニングアルゴリズムの使用により、ヘルメットとベストを実現できますターゲットの検出と認識に加えて、結果の視覚化と画像またはビデオの検出結果のエクスポートもサポートします。このシステムは、YOLOv5 ターゲット検出モデルのトレーニング データ セットを使用し、Pysdie6 ライブラリを使用してページ表示システムを構築し、重みモデルの出力として ONNX、PT、およびその他のモデルをサポートします。このシステムがサポートする機能には、ヘルメットとベストのトレーニングモデルのインポートと初期化、信頼度スコアと IOU 閾値の調整、画像のアップロード、検出、可視化結果の表示、結果のエクスポートと終了検出、ビデオのアップロード、検出、可視化結果の表示が含まれます。 、結果のエクスポートと終了検出、カメラのアップロード、検出、視覚的な結果表示と終了検出、検出されたターゲットのリスト、位置情報、フォワード推論時間。さらに、ヘルメットとベストの検出認識システムは、元の画像と検出結果の画像の同時表示、および元のビデオと検出結果のビデオの同時表示をサポートします。このブログ投稿では、初心者が参照するのに適した完全な Python コードと使用方法のチュートリアルを提供します。完全なコード リソース ファイルについては、投稿の最後にあるダウンロード リンクにアクセスしてください。
基本的な紹介
近年、機械学習とディープラーニングが大きく進歩し、ディープラーニング手法は検出精度や検出速度の点で従来の手法に比べて優れた性能を示しています。YOLOv5 は、一段階ターゲット検出アルゴリズム YOLO の第 5 世代です。実験によると、速度と精度の点で大幅に向上しています。オープン ソース コードは、https://github.com/ultralytics/yolov5 で見つけることができます。 。したがって、このブログ投稿では、YOLOv5 検出アルゴリズムを使用して高精度のヘルメットとベストの認識検出モデルを実現し、次に Pyside6 ライブラリを使用してインターフェイス システムを作成して、ターゲットの検出と認識ページの開発を完了します。YOLO シリーズのアルゴリズムの最新の進歩には、YOLOv6、YOLOv7、YOLOv8 などのアルゴリズムがあることに気付きました。このシステムの検出アルゴリズムを最新のアルゴリズムに置き換えるコードも後でリリースされる予定です。コレクションに注目してください。
環境構築
(1) 完全なファイルをコンピューターにダウンロードし、cmd を使用してファイル ディレクトリを開きます。
(2) Conda を使用して環境 (Anacodna) を作成し、conda create -n yolo5 python=3.8 を実行してから、torch と torchvision をインストールします (pip install)松明1.10.0+cu113 トーチビジョン0.11.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple) ここで、-i https://pypi.tuna .tsinghua.edu.cn/simple は清華ソースの使用を表します。このコマンドには、nvidia-smi >=11.3 で表示される CUDA バージョンが必要です。最後に、pip install -r required.txt -i https: を使用して残りの依存パッケージをインストールします。 //pypi.tuna.tsinghua.edu.cn/simple
(3) Pyside6 ライブラリをインストール pip install pyside6==6.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
(4) Windows システムでの pycocotools ライブラリのインストールの場合: pip install pycocotools-windows -i https://pypi.tuna.tsinghua.edu.cn/simple
インターフェースと機能表示
このブログ投稿で設計されたソフトウェア インターフェイスは次のとおりです。全体的なインターフェイスはシンプルでエレガントです。一般的な機能には、トレーニング モデルのインポートと初期化、信頼スコアと IOU しきい値の調整、画像のアップロード、検出、視覚的な結果の表示、結果のエクスポートと終了が含まれます検出、ビデオのアップロード、検出、結果の視覚的表示、結果のエクスポートと検出の終了、検出されたターゲットのリスト、位置情報、前方推論時間。気に入っていただければ幸いです。初期インターフェイスは次のとおりです。
モデルの選択と初期化
ユーザーはモデルの重み選択ボタンをクリックしてトレーニングされたモデルの重みをアップロードできます。トレーニングの重みの形式は .pt、.onnx、および .onnx です。エンジンなどを選択し、モデル重み初期化ボタンをクリックすると、選択したモデル初期化情報の設定が実現されます。
信頼スコアと IOU の変更
[信頼性] または [IOU] の下の入力ボックスの値を変更すると、スライダーの進行状況が同期的に変更されます。同時に、スライダーの進行状況の値を変更すると、入力ボックスの値も同期的に変更できます。つまり、[信頼性] または [IOU] の値の変更も同期して行われます。モデル内の設定と同期され、検出信頼度のしきい値と IOU のしきい値が変更されます。
画像の選択、検出、エクスポート
ユーザーは、「画像の選択」ボタンをクリックして、検出と認識のために単一の画像をアップロードできます。
画像検出ボタンをクリックすると、入力画像のターゲット検出機能が完了し、経過時間の欄に検出時間が出力され、ターゲット数量の欄に検出されたターゲットの数が出力されます。ドロップダウン ボックスで検出されたターゲット。位置のラベル値の変更 (つまり、xmin、ymin、xmax、ymax) に対応します。
次に、検出結果表示ボタンをクリックすると、システムの左下に入力画像の検出結果が表示され、画像内の認識対象のカテゴリ、位置、信頼度情報が表示されます。
画像検出結果エクスポートボタンをクリックして検出画像をエクスポートし、保存バーに保存画像名とサフィックスを入力して検出結果画像を保存します。
[画像検出の終了] ボタンをクリックしてシステム インターフェイスの更新を完了し、すべての出力情報をクリアしてから、[画像の選択] または [ビデオの選択] ボタンをクリックして画像またはビデオをアップロードします。
ビデオの選択、検出、エクスポート
ユーザーは [ビデオの選択] ボタンをクリックして、検出と認識のためにビデオをアップロードすると、システムはビデオの最初のフレームをシステム インターフェイスの左上に入力して表示します。
次に、ビデオ検出ボタンをクリックして、入力ビデオのターゲット検出機能を完了すると、システムは経過時間の列に検出時間を出力し、ターゲット数量の列に検出されたターゲットの数を出力します。ドロップダウン ボックス内の検出されたターゲット。ターゲットの位置のラベル値の変更 (つまり、xmin、ymin、xmax、および ymax) に対応します。
入力ビデオを一時停止するには、[ビデオ検出の一時停止] ボタンをクリックします。このとき、ボタンはビデオ検出を続行するように変わります。入力ビデオ フレームとフレーム検出結果はシステム インターフェイスに残ります。ドロップダウン ターゲット ボックスをクリックして選択できます。検出されたターゲットの座標位置情報を取得し、ビデオ検出続行ボタンをクリックして入力ビデオの検出を実現します。
ビデオ検出結果のエクスポートボタンをクリックして検出されたビデオをエクスポートし、保存バーに保存された画像の名前とサフィックスを入力して検出結果ビデオを保存します。
[ビデオ検出の終了] ボタンをクリックしてシステム インターフェイスの更新を完了し、すべての出力情報をクリアしてから、[画像の選択] または [ビデオの選択] ボタンをクリックして画像またはビデオをアップロードします。
カメラの開始、検出、終了
ユーザーは、「カメラを開く」ボタンをクリックしてカメラデバイスを開き、検出と識別を行うことができます。その後、システムはカメラ画像をシステムインターフェースの左上に入力して表示します。
次に、カメラ検出ボタンをクリックして入力カメラのターゲット検出機能を完了すると、システムは経過時間の列に検出時間を出力し、ターゲット数量の列に検出されたターゲットの数を出力します。ドロップダウン ボックスで、ターゲットの位置のラベル値の変更 (つまり、xmin、ymin、xmax、および ymax) に対応する、検出されたターゲットを選択します。
[ビデオ検出の終了] ボタンをクリックしてシステム インターフェイスの更新を完了し、すべての出力情報をクリアしてから、[画像の選択] ボタン、または [ビデオの選択] または [カメラを開く] ボタンをクリックして画像、ビデオをアップロードするか、カメラを開きます。
アルゴリズム原理の紹介
本系统采用了基于深度学习的单阶段目标检测算法YOLOv5，相比于YOLOv3和YOLOv4，YOLOv5在检测精度和速度上都有很大的提升。YOLOv5算法的核心思想是将目标检测问题转化为一个回归问题，通过直接预测物体中心点的坐标来代替Anchor框。此外，YOLOv5使用SPP(Spatial Pyramid Pooling)的特征提取方法，这种方法可以在不增加计算量的情况下，有效地提取多尺度特征，提高检测性能。YOLOv5s模型的整体结构如下图所示。
YOLOv5 ネットワーク構造は、入力、バックボーン、ネック、予測で構成されます。YOLOv5 の入力部分はネットワークの入力端であり、モザイク データ拡張手法を使用して入力データをランダムにクロップしてからスプライシングします。バックボーンは、特徴を抽出する YOLOv5 のネットワーク部分であり、特徴抽出能力はネットワーク全体のパフォーマンスに直接影響します。特徴抽出段階では、YOLOv5 は CSPNet (Cross Stage Partial Network) 構造を使用します。これは、入力特徴マップを 2 つの部分に分割し、1 つの部分は一連の畳み込み層を通じて処理され、もう 1 つの部分は直接ダウンサンプリングされ、最後に2つの部分のフィーチャーマップを融合させます。この設計により、ネットワークの非線形表現力が強化され、ターゲット検出タスクにおいて複雑な背景や多様なオブジェクトをより適切に処理できるようになります。ネックステージでは、連続畳み込みカーネル C3 構造ブロックを使用して特徴マップが融合されます。予測ステージでは、モデルは結果の特徴マップを使用して、ターゲットの中心座標とサイズ情報を予測します。ブロガーは、YOLOv5 が高精度でターゲットを分類して位置を特定できる、ターゲット検出用の高性能ソリューションであると感じています。もちろん、YOLOv6、YOLOv7、YOLOv8 およびその他のアルゴリズムは常に提案および改良されており、フォローアップ ブロガーもこれらのアルゴリズムをこのシステムに統合する予定ですので、ご期待ください。
データセットの紹介
このシステムで使用されるヘルメットとベストのデータセットには、ヘルメットと安全ベストの 2 つのカテゴリが手動でラベル付けされており、データセットには合計 3541 枚の画像が含まれています。このデータセットのカテゴリには多数の回転とさまざまな照明条件があり、より堅牢な検出モデルをトレーニングするのに役立ちます。この実験のヘルメットとベストの検出および認識データ セットには、トレーニング セットに 2870 枚の画像、検証セットに 671 枚の画像が含まれています。選択されたデータの一部とサンプル データ セットの一部を以下の図に示します。YOLOv5 アルゴリズムには入力画像のサイズに制限があるため、すべての画像を同じサイズに調整する必要があります。検出精度に影響を与えずに画像の歪みを可能な限り減らすために、すべての画像のサイズを 640x640 に変更し、元のアスペクト比を維持します。さらに、モデルの一般化能力と堅牢性を強化するために、ランダムな回転、スケーリング、トリミング、色変換などを含むデータ拡張手法も使用して、データセットを拡張し、過剰適合のリスクを軽減します。
キーコード解析
このシステムの深層学習モデルは PyTorch を使用して実装されており、ターゲット検出は YOLOv5 アルゴリズムに基づいています。トレーニング フェーズでは、事前トレーニングされたモデルをトレーニングの初期モデルとして使用し、複数回の反復を通じてネットワーク パラメーターを最適化して、より優れた検出パフォーマンスを実現しました。トレーニング中に、学習率の減衰やデータ拡張などの手法を採用して、モデルの汎化能力と堅牢性を強化します。
テスト段階では、トレーニングされたモデルを使用して新しい画像とビデオを検出しました。閾値を設定することで、その閾値よりも信頼度が低い検出枠が除外され、最終的に検出結果が得られます。同時に、その後の分析や応用のために、検出結果を画像またはビデオ形式で保存することもできます。このシステムは YOLOv5 アルゴリズムに基づいており、PyTorch を使用して実装されています。コードで使用される主なライブラリには、PyTorch、NumPy、OpenCV、PyQt などが含まれます。
Pyside6 インターフェース設計
Pyside6 は、Python 言語用の GUI プログラミング ソリューションの 1 つで、Python プログラム用の GUI アプリケーションを迅速に作成できます。このブログ投稿では、Pyside6 ライブラリを使用してグラフィカル インターフェイスを作成し、ユーザーに使いやすい対話型インターフェイスを提供し、ユーザーがターゲット検出用の写真やビデオを選択できるようにします。
Qt Designer を使用してグラフィカル インターフェイスを設計し、Pyside6 を使用して設計された UI ファイルを Python コードに変換します。グラフィカル インターフェイスには、ラベル、ボタン、テキスト ボックス、複数選択ボックスなどの複数の UI コントロールが含まれています。Pyside6 のシグナル スロット メカニズムを通じて、UI コントロールとプログラム ロジック コードを相互に接続できます。
実験結果と分析
実験結果と分析セクションでは、適合率や再現率などの指標を使用してモデルのパフォーマンスを評価し、損失曲線や PR 曲線を通じてトレーニング プロセスを分析します。トレーニング段階では、先ほど紹介したヘルメットとベストのデータセットをトレーニングに使用し、YOLOv5 アルゴリズムを使用してデータセットをトレーニングし、合計 300 エポックをトレーニングしました。トレーニング プロセス中に、テンソルボードを使用してトレーニング セットと検証セット上のモデルの損失曲線を記録しました。以下の図からわかるように、トレーニングの数が増加するにつれて、モデルのトレーニング損失と検証損失が徐々に減少し、モデルがより正確な特徴を学習し続けていることがわかります。トレーニング後、データセットの検証セットでモデルを評価し、次の結果が得られました。
以下の図は、検証セットでトレーニングされた YOLOv5 モデルの PR 曲線を示しており、このモデルが高い再現率と適合率を達成しており、全体的なパフォーマンスが良好であることがわかります。
以下の図は、YOLOv5 モデルを使用してヘルメットとベストのデータセットをトレーニングした場合の、このブログ投稿のモザイク データ拡張画像を示しています。
要約すると、このブログ投稿でトレーニングされた YOLOv5 モデルは、データセット上で良好にパフォーマンスし、高い検出精度と堅牢性を備えており、実際のシナリオに適用できます。さらに、ブロガーはシステム全体の詳細なテストを実施し、最終的にこのブログ投稿のデモ部分である高精度ターゲット検出システム インターフェイスのスムーズなバージョンを開発しました。完全な UI インターフェイス、テスト画像ビデオ、コードファイルなどがパッケージ化されてアップロードされています。興味のある友達は私のプライベートメッセージをフォローして入手してください。
その他の深層学習ベースのターゲット検出システムには、トマト、犬猫、ヤギ、野生ターゲット、タバコの吸い殻、QR コード、ヘルメット、交通警察、野生動物、野煙、人間の転倒認識、赤外線歩行者、家禽豚、リンゴなどがあります。ブルドーザー、ミツバチを必要としている友達、電話、ハト、サッカーボール、牛、フェイスマスク、安全ベスト、煙感知システムなど、私をフォローして、ブロガーの他のビデオからダウンロード リンクを取得してください。
完全なプロジェクト ディレクトリは次のとおりです。
