5. 使用PyTorch预先训练的模型执行目标检测

news/2024/9/21 10:42:28

5. 使用PyTorch预先训练的网络执行目标检测

  • PyTorch是什么？
  • 使用PyTorch训练第一个神经网络
  • 使用PyTorch训练第一个卷积神经网络
  • 使用预训练网络进行PyTorch图像分类
  • 使用预训练网络进行PyTorch目标检测（今天的博客）

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

  • https://voxel51.com/docs/fiftyone/tutorials/open_images.html
  • https://github.com/seminar2012/fiftyone
  • https://github.com/seminar2012/cocodataset.github.io

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

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 pickleimport 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 + 15cv2.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 timeimport 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:breakframe = 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 / 255.0frame = 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 + 15cv2.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WHif 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writerif 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

  • https://pyimagesearch.com/2021/08/02/pytorch-object-detection-with-pre-trained-networks/
  • https://cocodataset.org/#download
  • RuntimeError: Error(s) in loading state_dict for FasterRCNN: size mismatch for roi_heads.box_predictor.cls_score.weight: copying a param with shape torch.Size([91, 1024]) from checkpoint, the shape in current model is torch.Size([80, 1024]). 报错解决
  • pickle.load，pickle.dump构建Coco数据集labels的pickle文件

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.pgtn.cn/news/17638.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈，一经查实，立即删除！

相关文章

机器学习二

机器学习二

文章目录线性回归线性回归 # -*- coding utf-8 -*- # Author : 墙缝里的草 # File : demo1004.py # Software : PyCharmimport numpy as np import random # 线性回归 的函数构造input_data 训练数据集 realresult 训练结果集 theta 参数# 线性回归函数 def _init_(self…
阅读更多...
与ObjectDataSource共舞

与ObjectDataSource共舞

4，ORM组件XCode（与ObjectDataSource共舞） XCode为了能更方便的解决大部分问题，不得不“屈身”于ObjectDataSource。 先上一个经典例子（ObjectDataSourceGridView）（ObjectDataSource）…
阅读更多...
size mismatch for roi_heads.box_predictor.cls_score.weight: copying a param with shape torch.Size([9

size mismatch for roi_heads.box_predictor.cls_score.weight: copying a param with shape torch.Size([9

1. 报错 RuntimeError: Error(s) in loading state_dict for FasterRCNN: size mismatch for roi_heads.box_predictor.cls_score.weight: copying a param with shape torch.Size([91, 1024]) from checkpoint, the shape in current model is torch.Size([80, 1024]). pytor…
阅读更多...
数据结构--队列

数据结构--队列

文章目录队列队列存储结构特点队列的相关概念：队列的操作：队列的分类：数组实现链表实现队列 队列存储结构特点 （1）队列中的数据元素遵循“先进先出”的原则 （2）在队尾添加元素，在队…
阅读更多...
文件服务器共享目录设置(二)

文件服务器共享目录设置(二)

三、 设置磁盘配额及文件屏蔽 为了防止用户无限制的上传文件，或上传病毒木马等文件，还需要进一步加强安全设置。用磁盘配额来管理用户的文件夹空间，用文件屏蔽来阻止用户上传有风险的文件。 在win2003中，磁盘配额只能…
阅读更多...
机器学习--局部加权线性回归

机器学习--局部加权线性回归

文章目录局部加权线性回归预测鲍鱼年龄局部加权线性回归 具体理论见上次笔记《线性回归》 预测鲍鱼年龄 import numpy as npclass LocalWeightedLinearRegression(object):def __init__(self,train_data,train_result):""":param train_data: 输入训练数据:p…
阅读更多...
Standup Timer的MVC模式及项目结构分析

Standup Timer的MVC模式及项目结构分析

前言 学习android一段时间了，为了进一步了解android的应用是如何设计开发的，决定详细研究几个开源的android应用。从一些开源应用中吸收点东西，一边进行量的积累，一边探索android的学习研究方向。这里我首先选择了jwood的Standup …
阅读更多...
JAVA IDEA切换新机器配置环境一览

JAVA IDEA切换新机器配置环境一览

1. 装jdk 自动配置环境变量 2. idea配置git git config --global user.name "xxx" git config --global user.email "xxxxx.com"3. idea配置maven 解压apache-maven-xxx.jar，配置环境变量MAVEN_HOME,PATH增加%MAVEN_HOME%\bin settings.xml…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站 广利置业