# YOLO V3 物体检测，包括手部检测、人脸检测、人检测、安全帽检测，交通工具检测，因为数据集的独立所以分别为5个独立模型。 ## 项目介绍 ### 1、手部检测 手部检测示例如下 ： * 图片示例： ![image](samples/sample.png) * 视频示例： ![video](samples/sample.gif) * 相关拓展应用的手的21关键点检测回归的项目地址：https://codechina.csdn.net/EricLee/handpose_x * 手部检测+21点手关键点完整pipeline的项目地址：https://codechina.csdn.net/EricLee/dpcas ### 2、脸部检测 脸部检测示例如下 ： * 视频示例： ![videoface](samples/face.gif) ### 3、人检测 人检测示例如下 ： * 视频示例： ![videoPerson](samples/person.gif) ### 4、安全帽检测 安全帽检测示例如下 ： * 视频示例： ![videoHat](samples/hat.gif) ### 5、交通工具检测 包括：bicycle，car，motorcycle，airplane，bus，train，truck，boat 示例如下 ： * 视频示例： ![auto](samples/auto.gif) ### 6、左右手检测 示例如下 ： * 视频示例： ![LR_hand](samples/LR_hand.gif) ## 项目配置 * 作者开发环境： * Python 3.7 * PyTorch >= 1.5.1 ## 数据集 ### 1、手部检测数据集 该项目数据集采用 TV-Hand 和 COCO-Hand (COCO-Hand-Big 部分) 进行制作。 TV-Hand 和 COCO-Hand数据集官网地址 http://vision.cs.stonybrook.edu/~supreeth/ ``` 感谢数据集贡献者。 Paper： Contextual Attention for Hand Detection in the Wild. S. Narasimhaswamy, Z. Wei, Y. Wang, J. Zhang, and M. Hoai, IEEE International Conference on Computer Vision, ICCV 2019. ``` * [该项目制作的训练集的数据集下载地址(百度网盘 Password: c680 )](https://pan.baidu.com/s/1H0YH8jMEXeIcubLEv0W_yw) ### 2、脸部检测数据集 该项目采用的是开源数据集 WIDERFACE，其地址为 http://shuoyang1213.me/WIDERFACE/ ``` @inproceedings{yang2016wider, Author = {Yang, Shuo and Luo, Ping and Loy, Chen Change and Tang, Xiaoou}, Booktitle = {IEEE Conference on Computer Vision and Pattern Recognition (CVPR)}, Title = {WIDER FACE: A Face Detection Benchmark}, Year = {2016}} ``` * [该项目制作的训练集的数据集下载地址(百度网盘 Password: r77x )](https://pan.baidu.com/s/1Jsm1qPPzAW46LRW5nUClzQ) ### 3、人检测数据集 该项目采用的是开源数据集 COCO ，其地址为 https://cocodataset.org/ * [该项目制作的训练集的数据集下载地址(百度网盘 Password: ilv9 )](https://pan.baidu.com/s/1Y1LA8Coc902zrDgmVqAU3A) ### 4、安全帽检测数据集 该项目采用的是数据集 VOC2028 ，其地址为 https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset * [该项目制作的训练集的数据集下载地址(百度网盘 Password: y694 )](https://pan.baidu.com/s/1m1ysN5r0wYlIUY6FW1XkHg) ### 5、交通工具数据集 该项目采用的是开源数据集 COCO ，其地址为 https://cocodataset.org/ * [该项目制作的训练集的数据集下载地址(百度网盘 Password: pz64 )](https://pan.baidu.com/s/1rDFmWgeUiBaU_1DT917DwA) 该项目制作数据集类型及对应的实例数量如下所示： ``` bicycle : 4955 car : 30785 motorcycle : 6021 airplane : 3833 bus : 4327 train : 3159 truck : 7050 boat : 7590 ``` ### 6、DeepFashion2数据集 * 数据集的描述和申请地址：https://github.com/switchablenorms/DeepFashion2 ### 7、左右手检测数据集 * 获取数据集地址 ： http://fouheylab.eecs.umich.edu/~dandans/projects/100DOH/ ### 所有数据集的数据格式 size是全图分辨率， (x，y) 是目标物体中心对于全图的归一化坐标，w,h是目标物体边界框对于全图的归一化宽、高。 ``` dw = 1./(size[0]) dh = 1./(size[1]) x = (box[0] + box[1])/2.0 - 1 y = (box[2] + box[3])/2.0 - 1 w = box[1] - box[0] h = box[3] - box[2] x = x*dw w = w*dw y = y*dh h = h*dh ``` 为了更好了解标注数据格式，可以通过运行 show_yolo_anno.py 脚本进行制作数据集的格式。注意配置脚本里的path和path_voc_names，path为标注数据集的相关文件路径，path_voc_names为数据集配置文件。 ### 制作自己的训练数据集 * 如下所示,每一行代表一个物体实例，第一列是标签，后面是归一化的中心坐标(x,y),和归一化的宽(w)和高(h)，且每一列信息空格间隔。归一化公式如上，同时可以通过show_yolo_anno.py进行参数适配后，可视化验证其正确性。 ``` label x y w h 0 0.6200393316313977 0.5939000244140625 0.17241466452130497 0.14608001708984375 0 0.38552491996544863 0.5855700073242187 0.14937006832733554 0.1258599853515625 0 0.32889763138738515 0.701989990234375 0.031338589085055775 0.0671400146484375 0 0.760577424617577 0.69422998046875 0.028556443261975064 0.0548599853515625 0 0.5107086662232406 0.6921500244140625 0.018792660530470802 0.04682000732421875 0 0.9295538153861138 0.67602001953125 0.03884511231750328 0.01844000244140625 ``` ## 预训练模型 ### 1、COCO 预训练模型 * [预训练模型下载地址(百度网盘 Password: egdg )](https://pan.baidu.com/s/1KTvktMA38lsVYUjQ0sh5HQ) ### 2、手部检测预训练模型 * 包括yolo预训练模型图像输入尺寸416，yolo-tiny预训练模型图像输入尺寸为512。 * [预训练模型下载地址(百度网盘 Password: 7mk0 )](https://pan.baidu.com/s/1hqzvz0MeFX0EdpWXUV6aFg) ### 3、脸部检测预训练模型 * [预训练模型下载地址(百度网盘 Password: l2a3 )](https://pan.baidu.com/s/1xVtZUMD94DiT9FQQ66xG1A) ### 4、人检测预训练模型 * [预训练模型下载地址(百度网盘 Password: ise9 )](https://pan.baidu.com/s/1mxiI-tOpE3sU-9TVPJmPWw) ### 5、安全帽检测预训练模型 * [预训练模型下载地址(百度网盘 Password: inu8 )](https://pan.baidu.com/s/1rWUEsPnOTdmfJW4xM8m3Eg) ### 6、交通工具预训练模型 * [预训练模型下载地址(百度网盘 Password: 9qlx )](https://pan.baidu.com/s/1IwTnQYulFetY-AS1woMMaQ) ### 7、左右手检测-预训练模型 * [预训练模型下载地址(百度网盘 Password: 3ae7 )](https://pan.baidu.com/s/1aMXMKWe6ehHUBab2rJM3hg) ### 8、DeepFashion2预训练模型 * [预训练模型下载地址(百度网盘 Password: )]() * DeepFashion2 包括13类物体，具体cfg分类如下，该预训练模型对应的标签编号从上到下为 ( 0~12 ) ： ``` short_sleeve_top long_sleeve_top short_sleeve_outwear long_sleeve_outwear vest sling shorts trousers skirt short_sleeve_dress long_sleeve_dress vest_dress sling_dress ``` ## 项目使用方法 ### 数据集可视化 * 根目录下运行命令： show_yolo_anno.py (注意脚本内相关参数配置 ) ### 模型训练 * 根目录下运行命令： python train.py (注意脚本内相关参数配置 ) * 注意：加载训练的配置参数的关键代码段如下，cfg/transport.data为训练coco交通工具数据集的配置参数文件。 ``` if __name__ == '__main__': train(data_cfg = "cfg/transport.data") ``` * cfg文件夹下的 "*.data"文件包含了重要的配置信息，以"cfg/transport.data"为例如下： ``` cfg_model=yolo # 模型选择：yolo / yolo tiny classes=8 # 数据集的类别 gpus = 0 # GPU 的选择 num_workers = 8 # 训练时数据迭代（增强）器的进程数 batch_size = 8 # 训练时每一个批次的图片量设定，该例子是8张图片 img_size = 416 # 模型的默认输入图片尺寸是 416*416 multi_scale = True # 是否在训练中采用多尺度增强方式，该例子为使用 epochs = 100 # 训练总周期，完整遍历一次数据集为一个周期 train=./yolo_transport_train/anno/train.txt # 训练集的train.txt路径 valid=./yolo_transport_train/anno/train.txt # 验证集的train.txt路径，目前训练代码中并没有加入验证功能代码 names=./cfg/transport.names # 该数据集对应的具体分类名字，需要与其标签对应 finetune_model = ./weights-yolov3-transport/latest_416.pt # 采用的预训练模型 lr_step = 10,20,30 # 训练时对应的特定epoch时更新学习率 lr0 = 0.001 # 训练时的初始化学习率 ``` ### 模型推理 * 根目录下运行命令： python predict.py (注意脚本内相关参数配置 )