人人操人人操人人操人人操,爱爱综合日韩,久草亚洲电影,sese99sese,青娱乐少妇在线免费视频,在线黄色小电影,亚洲天堂高清无码,无码精品一区二区三区免费久久

01. 引言

目標(biāo)檢測是計算機(jī)視覺中一個非常流行的任務(wù)，在這個任務(wù)中，給定一個圖像，你預(yù)測圖像中物體的包圍盒(通常是矩形的) ，并且識別物體的類型。在這個圖像中可能有多個對象，而且現(xiàn)在有各種先進(jìn)的技術(shù)和框架來解決這個問題，例如 Faster-RCNN 和 YOLOv3。

本文討論將討論圖像中只有一個感興趣的對象的情況。這里的重點(diǎn)更多是關(guān)于如何讀取圖像及其邊界框、調(diào)整大小和正確執(zhí)行增強(qiáng)，而不是模型本身。目標(biāo)是很好地掌握對象檢測背后的基本思想，你可以對其進(jìn)行擴(kuò)展以更好地理解更復(fù)雜的技術(shù)。

本文中的所有代碼都在下面的鏈接中：https://jovian.ai/aakanksha-ns/road-signs-bounding-box-prediction

問題陳述

給定一個由路標(biāo)組成的圖像，預(yù)測路標(biāo)周圍的包圍盒，并識別路標(biāo)的類型。這些路標(biāo)包括以下四種：

· 紅綠燈

· 停止

· 車速限制

· 人行橫道

這就是所謂的多任務(wù)學(xué)習(xí)問題，因?yàn)樗婕皥?zhí)行兩個任務(wù): 1)回歸找到包圍盒坐標(biāo)，2)分類識別道路標(biāo)志的類型

數(shù)據(jù)集

我使用了來自 Kaggle 的道路標(biāo)志檢測數(shù)據(jù)集，鏈接如下：https://www.kaggle.com/andrewmvd/road-sign-detection

它由877張圖像組成。這是一個相當(dāng)不平衡的數(shù)據(jù)集，大多數(shù)圖像屬于限速類，但由于我們更關(guān)注邊界框預(yù)測，因此可以忽略不平衡。

加載數(shù)據(jù)

每個圖像的注釋都存儲在單獨(dú)的 XML 文件中。我按照以下步驟創(chuàng)建了訓(xùn)練數(shù)據(jù)集:

· 遍歷訓(xùn)練目錄以獲得所有.xml 文件的列表。

· 使用xml.etree.ElementTree解析.xml文件。

· 創(chuàng)建一個由文件路徑、寬度、高度、邊界框坐標(biāo)（ xmin 、 xmax 、 ymin 、 ymax ）和每個圖像的類組成的字典，并將字典附加到列表中。

· 使用圖像統(tǒng)計數(shù)據(jù)字典列表創(chuàng)建一個 Pandas 數(shù)據(jù)庫。

def filelist(root, file_type):    """Returns a fully-qualified list of filenames under root directory"""    return [os.path.join(directory_path, f) for directory_path, directory_name,             files in os.walk(root) for f in files if f.endswith(file_type)]
def generate_train_df (anno_path):    annotations = filelist(anno_path, '.xml')    anno_list = []    for anno_path in annotations:        root = ET.parse(anno_path).getroot()        anno = {}        anno['filename'] = Path(str(images_path) + '/'+ root.find("./filename").text)        anno['width'] = root.find("./size/width").text        anno['height'] = root.find("./size/height").text        anno['class'] = root.find("./object/name").text        anno['xmin'] = int(root.find("./object/bndbox/xmin").text)        anno['ymin'] = int(root.find("./object/bndbox/ymin").text)        anno['xmax'] = int(root.find("./object/bndbox/xmax").text)        anno['ymax'] = int(root.find("./object/bndbox/ymax").text)        anno_list.append(anno)    return pd.DataFrame(anno_list)

· 標(biāo)簽編碼類列

#label encode targetclass_dict = {'speedlimit': 0, 'stop': 1, 'crosswalk': 2, 'trafficlight': 3}df_train['class'] = df_train['class'].apply(lambda x:  class_dict[x])

調(diào)整圖像和邊界框的大小

由于訓(xùn)練一個計算機(jī)視覺模型需要的圖像是相同的大小，我們需要調(diào)整我們的圖像和他們相應(yīng)的包圍盒。調(diào)整圖像的大小很簡單，但是調(diào)整包圍盒的大小有點(diǎn)棘手，因?yàn)槊總€包圍盒都與圖像及其尺寸相關(guān)。

下面是調(diào)整包圍盒大小的工作原理:

· 將邊界框轉(zhuǎn)換為與其對應(yīng)的圖像大小相同的圖像（稱為掩碼）。這個掩碼只有 0 表示背景，1 表示邊界框覆蓋的區(qū)域。

· 將掩碼調(diào)整到所需的尺寸。

· 從調(diào)整完大小的掩碼中提取邊界框坐標(biāo)。

def create_mask(bb, x):    """Creates a mask for the bounding box of same shape as image"""    rows,cols,*_ = x.shape    Y = np.zeros((rows, cols))    bb = bb.astype(np.int)    Y[bb[0]:bb[2], bb[1]:bb[3]] = 1.    return Y
def mask_to_bb(Y):    """Convert mask Y to a bounding box, assumes 0 as background nonzero object"""    cols, rows = np.nonzero(Y)    if len(cols)==0:         return np.zeros(4, dtype=np.float32)    top_row = np.min(rows)    left_col = np.min(cols)    bottom_row = np.max(rows)    right_col = np.max(cols)    return np.array([left_col, top_row, right_col, bottom_row], dtype=np.float32)
def create_bb_array(x):    """Generates bounding box array from a train_df row"""    return np.array([x[5],x[4],x[7],x[6]])

def resize_image_bb(read_path,write_path,bb,sz):    """Resize an image and its bounding box and write image to new path"""    im = read_image(read_path)    im_resized = cv2.resize(im, (int(1.49*sz), sz))    Y_resized = cv2.resize(create_mask(bb, im), (int(1.49*sz), sz))    new_path = str(write_path/read_path.parts[-1])    cv2.imwrite(new_path, cv2.cvtColor(im_resized, cv2.COLOR_RGB2BGR))    return new_path, mask_to_bb(Y_resized)

#Populating Training DF with new paths and bounding boxesnew_paths = []new_bbs = []train_path_resized = Path('./road_signs/images_resized')for index, row in df_train.iterrows():    new_path,new_bb = resize_image_bb(row['filename'], train_path_resized, create_bb_array(row.values),300)    new_paths.append(new_path)    new_bbs.append(new_bb)df_train['new_path'] = new_pathsdf_train['new_bb'] = new_bbs

數(shù)據(jù)增強(qiáng)

數(shù)據(jù)增強(qiáng)是一種通過使用現(xiàn)有圖像的不同變體創(chuàng)建新的訓(xùn)練圖像來更好地概括我們的模型的技術(shù)。我們當(dāng)前的訓(xùn)練集中只有 800 張圖像，因此數(shù)據(jù)增強(qiáng)對于確保我們的模型不會過擬合非常重要。

對于這個問題，我使用了翻轉(zhuǎn)、旋轉(zhuǎn)、中心裁剪和隨機(jī)裁剪。

這里唯一需要記住的是確保包圍盒也以與圖像相同的方式進(jìn)行轉(zhuǎn)換。

# modified from fast.aidef crop(im, r, c, target_r, target_c):     return im[r:r+target_r, c:c+target_c]
# random crop to the original sizedef random_crop(x, r_pix=8):    """ Returns a random crop"""    r, c,*_ = x.shape    c_pix = round(r_pix*c/r)    rand_r = random.uniform(0, 1)    rand_c = random.uniform(0, 1)    start_r = np.floor(2*rand_r*r_pix).astype(int)    start_c = np.floor(2*rand_c*c_pix).astype(int)    return crop(x, start_r, start_c, r-2*r_pix, c-2*c_pix)
def center_crop(x, r_pix=8):    r, c,*_ = x.shape    c_pix = round(r_pix*c/r)    return crop(x, r_pix, c_pix, r-2*r_pix, c-2*c_pix)

def rotate_cv(im, deg, y=False, mode=cv2.BORDER_REFLECT, interpolation=cv2.INTER_AREA):    """ Rotates an image by deg degrees"""    r,c,*_ = im.shape    M = cv2.getRotationMatrix2D((c/2,r/2),deg,1)    if y:        return cv2.warpAffine(im, M,(c,r), borderMode=cv2.BORDER_CONSTANT)    return cv2.warpAffine(im,M,(c,r), borderMode=mode, flags=cv2.WARP_FILL_OUTLIERS+interpolation)
def random_cropXY(x, Y, r_pix=8):    """ Returns a random crop"""    r, c,*_ = x.shape    c_pix = round(r_pix*c/r)    rand_r = random.uniform(0, 1)    rand_c = random.uniform(0, 1)    start_r = np.floor(2*rand_r*r_pix).astype(int)    start_c = np.floor(2*rand_c*c_pix).astype(int)    xx = crop(x, start_r, start_c, r-2*r_pix, c-2*c_pix)    YY = crop(Y, start_r, start_c, r-2*r_pix, c-2*c_pix)    return xx, YY
def transformsXY(path, bb, transforms):    x = cv2.imread(str(path)).astype(np.float32)    x = cv2.cvtColor(x, cv2.COLOR_BGR2RGB)/255    Y = create_mask(bb, x)    if transforms:        rdeg = (np.random.random()-.50)*20        x = rotate_cv(x, rdeg)        Y = rotate_cv(Y, rdeg, y=True)        if np.random.random() > 0.5:             x = np.fliplr(x).copy()            Y = np.fliplr(Y).copy()        x, Y = random_cropXY(x, Y)    else:        x, Y = center_crop(x), center_crop(Y)    return x, mask_to_bb(Y)

def create_corner_rect(bb, color='red'):    bb = np.array(bb, dtype=np.float32)    return plt.Rectangle((bb[1], bb[0]), bb[3]-bb[1], bb[2]-bb[0], color=color,                         fill=False, lw=3)
def show_corner_bb(im, bb):    plt.imshow(im)    plt.gca().add_patch(create_corner_rect(bb))

PyTorch 數(shù)據(jù)集

現(xiàn)在我們已經(jīng)有了數(shù)據(jù)增強(qiáng)，我們可以進(jìn)行訓(xùn)練驗(yàn)證拆分并創(chuàng)建我們的 PyTorch 數(shù)據(jù)集。我們使用 ImageNet 統(tǒng)計數(shù)據(jù)對圖像進(jìn)行標(biāo)準(zhǔn)化，因?yàn)槲覀兪褂玫氖穷A(yù)訓(xùn)練的 ResNet 模型并在訓(xùn)練時在我們的數(shù)據(jù)集中應(yīng)用數(shù)據(jù)增強(qiáng)。

X_train, X_val, y_train, y_val = train_test_split(X, Y, test_size=0.2, random_state=42)

def normalize(im):    """Normalizes images with Imagenet stats."""    imagenet_stats = np.array([[0.485, 0.456, 0.406], [0.229, 0.224, 0.225]])    return (im - imagenet_stats[0])/imagenet_stats[1]

class RoadDataset(Dataset):    def __init__(self, paths, bb, y, transforms=False):        self.transforms = transforms        self.paths = paths.values        self.bb = bb.values        self.y = y.values    def __len__(self):        return len(self.paths)        def __getitem__(self, idx):        path = self.paths[idx]        y_class = self.y[idx]        x, y_bb = transformsXY(path, self.bb[idx], self.transforms)        x = normalize(x)        x = np.rollaxis(x, 2)        return x, y_class, y_bb

train_ds = RoadDataset(X_train['new_path'],X_train['new_bb'] ,y_train, transforms=True)valid_ds = RoadDataset(X_val['new_path'],X_val['new_bb'],y_val)

batch_size = 64train_dl = DataLoader(train_ds, batch_size=batch_size, shuffle=True)valid_dl = DataLoader(valid_ds, batch_size=batch_size)

PyTorch 模型

對于這個模型，我使用了一個非常簡單的預(yù)先訓(xùn)練的 resNet-34模型。由于我們有兩個任務(wù)要完成，這里有兩個最后的層: 包圍盒回歸器和圖像分類器。

class BB_model(nn.Module):    def __init__(self):        super(BB_model, self).__init__()        resnet = models.resnet34(pretrained=True)        layers = list(resnet.children())[:8]        self.features1 = nn.Sequential(*layers[:6])        self.features2 = nn.Sequential(*layers[6:])        self.classifier = nn.Sequential(nn.BatchNorm1d(512), nn.Linear(512, 4))        self.bb = nn.Sequential(nn.BatchNorm1d(512), nn.Linear(512, 4))            def forward(self, x):        x = self.features1(x)        x = self.features2(x)        x = F.relu(x)        x = nn.AdaptiveAvgPool2d((1,1))(x)        x = x.view(x.shape[0], -1)        return self.classifier(x), self.bb(x)

訓(xùn)練

對于損失，我們需要同時考慮分類損失和邊界框回歸損失，因此我們使用交叉熵和 L1 損失（真實(shí)值和預(yù)測坐標(biāo)之間的所有絕對差之和）的組合。我已經(jīng)將 L1 損失縮放了 1000 倍，因?yàn)榉诸惡突貧w損失都在相似的范圍內(nèi)。除此之外，它是一個標(biāo)準(zhǔn)的 PyTorch 訓(xùn)練循環(huán)（使用 GPU）：

def update_optimizer(optimizer, lr):    for i, param_group in enumerate(optimizer.param_groups):        param_group["lr"] = lr

def train_epocs(model, optimizer, train_dl, val_dl, epochs=10,C=1000):    idx = 0    for i in range(epochs):        model.train()        total = 0        sum_loss = 0        for x, y_class, y_bb in train_dl:            batch = y_class.shape[0]            x = x.cuda().float()            y_class = y_class.cuda()            y_bb = y_bb.cuda().float()            out_class, out_bb = model(x)            loss_class = F.cross_entropy(out_class, y_class, reduction="sum")            loss_bb = F.l1_loss(out_bb, y_bb, reduction="none").sum(1)            loss_bb = loss_bb.sum()            loss = loss_class + loss_bb/C            optimizer.zero_grad()            loss.backward()            optimizer.step()            idx += 1            total += batch            sum_loss += loss.item()        train_loss = sum_loss/total        val_loss, val_acc = val_metrics(model, valid_dl, C)        print("train_loss %.3f val_loss %.3f val_acc %.3f" % (train_loss, val_loss, val_acc))    return sum_loss/total

def val_metrics(model, valid_dl, C=1000):    model.eval()    total = 0    sum_loss = 0    correct = 0     for x, y_class, y_bb in valid_dl:        batch = y_class.shape[0]        x = x.cuda().float()        y_class = y_class.cuda()        y_bb = y_bb.cuda().float()        out_class, out_bb = model(x)        loss_class = F.cross_entropy(out_class, y_class, reduction="sum")        loss_bb = F.l1_loss(out_bb, y_bb, reduction="none").sum(1)        loss_bb = loss_bb.sum()        loss = loss_class + loss_bb/C        _, pred = torch.max(out_class, 1)        correct += pred.eq(y_class).sum().item()        sum_loss += loss.item()        total += batch    return sum_loss/total, correct/total

model = BB_model().cuda()parameters = filter(lambda p: p.requires_grad, model.parameters())optimizer = torch.optim.Adam(parameters, lr=0.006)

train_epocs(model, optimizer, train_dl, valid_dl, epochs=15)

測試

現(xiàn)在我們已經(jīng)完成了訓(xùn)練，我們可以選擇一個隨機(jī)圖像并在上面測試我們的模型。盡管我們只有相當(dāng)少量的訓(xùn)練圖像，但是我們最終在測試圖像上得到了一個相當(dāng)不錯的預(yù)測。

使用手機(jī)拍攝真實(shí)照片并測試模型將是一項有趣的練習(xí)。另一個有趣的實(shí)驗(yàn)是不執(zhí)行任何數(shù)據(jù)增強(qiáng)并訓(xùn)練模型并比較兩個模型。

# resizing test imageim = read_image('./road_signs/images_resized/road789.png')im = cv2.resize(im, (int(1.49*300), 300))cv2.imwrite('./road_signs/road_signs_test/road789.jpg', cv2.cvtColor(im, cv2.COLOR_RGB2BGR))

# test Datasettest_ds = RoadDataset(pd.DataFrame([{'path':'./road_signs/road_signs_test/road789.jpg'}])['path'],pd.DataFrame([{'bb':np.array([0,0,0,0])}])['bb'],pd.DataFrame([{'y':[0]}])['y'])x, y_class, y_bb = test_ds[0]

xx = torch.FloatTensor(x[None,])xx.shape

# predictionout_class, out_bb = model(xx.cuda())out_class, out_bb

02. 總結(jié)

現(xiàn)在我們已經(jīng)介紹了目標(biāo)檢測的基本原理，并從頭開始實(shí)現(xiàn)它，您可以將這些想法擴(kuò)展到多對象情況，并嘗試更復(fù)雜的模型，如 RCNN 和 YOLO！

·  END  ·

下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
在「小白學(xué)視覺」公眾號后臺回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。
下載2：Python視覺實(shí)戰(zhàn)項目52講在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實(shí)戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實(shí)戰(zhàn)項目，助力快速學(xué)校計算機(jī)視覺。
下載3：OpenCV實(shí)戰(zhàn)項目20講在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實(shí)戰(zhàn)項目20講，即可下載含有20個基于OpenCV實(shí)現(xiàn)20個實(shí)戰(zhàn)項目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。
交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~

基于Pytorch的從零開始的目標(biāo)檢測 | 附源碼