现在，快到没朋友的YOLO v3有PaddlePaddle实现了。相比原作者在 Darknet 实现的模型，PaddlePaddle 添加了其它一些模块，且精度提高了 5.9个绝对百分点。
YOLO作为目标检测领域的创新技术，一经推出就受到开发者的广泛关注。值得一提的是，基于百度自研的开源深度学习平台PaddlePaddle的YOLO v3实现，参考了论文【Bag of Tricks for Image Classification with Convolutional NeuralNetworks】，增加了mixup，label_smooth等处理，精度(mAP(0.5：0.95))相比于原作者的实现提高了4.7个绝对百分点，在此基础上加入synchronize batchnormalization, 最终精度相比原作者提高5.9个绝对百分点。我们将在下文中为大家详解实现的具体过程。
CV领域的核心问题之一就是目标检测（object detection），它的任务是找出图像当中所有感兴趣的目标（物体），确定其位置和大小（包含目标的矩形框）并识别出具体是哪个对象。Faster R-CNN及在其基础上改进的Mask R-CNN在实例分割、目标检测、人体关键点检测等任务上都取得了很好的效果，但通常较慢。YOLO 创造性的提出one-stage，就是目标定位和目标识别在一个步骤中完成。
由于整个检测流水线是单个网络，因此可以直接在检测性能上进行端到端优化，使得基础YOLO模型能以每秒45帧的速度实时处理图像，较小网络的Fast YOLO每秒处理图像可达到惊人的155帧。YOLO有让人惊艳的速度，同时也有让人止步的缺陷：不擅长小目标检测。而YOLO v3保持了YOLO的速度优势，提升了模型精度，尤其加强了小目标、重叠遮挡目标的识别，补齐了YOLO的短板，是目前速度和精度均衡的目标检测网络。
项目地址：https://github.com/PaddlePaddle/models/blob/v1.4/PaddleCV/yolov3/README_cn.md
YOLO v3 是一阶段End2End的目标检测器。YOLO v3将输入图像分成S*S个格子，每个格子预测B个bounding box，每个boundingbox预测内容包括: Location(x, y, w, h)、Confidence Score和C个类别的概率，因此YOLO v3输出层的channel数为S*S*B*(5+ C)。YOLO v3的loss函数也有三部分组成：Location误差，Confidence误差和分类误差。
图：YOLO v3检测原理
YOLO v3 的网络结构由基础特征提取网络、multi-scale特征融合层和输出层组成。
图：YOLO v3 网络结构
PaddlePaddle是百度自研的集深度学习框架、工具组件和服务平台为一体的技术领先、功能完备的开源深度学习平台，有全面的官方支持的工业级应用模型，涵盖自然语言处理、计算机视觉、推荐引擎等多个领域，并开放多个领先的预训练中文模型。目前，已经被中国企业广泛使用，并拥有活跃的开发者社区。
详情可查看PaddlePaddle官网：http://www.paddlepaddle.org/
红脂大小蠹是危害超过 35 种松科植物的蛀干害虫，自 1998 年首次发现到 2004 年，发生面积超过 52.7 万平方公里 , 枯死松树达600 多万株。且在持续扩散，给我国林业经济带来巨大损失。传统监测方式依赖具有专业识别能力的工作人员进行实地检查，专业要求高，工作周期长。
北京林业大学、百度、嘉楠、软通智慧合作面向信息素诱捕器的智能虫情监测系统，通过PaddlePaddle训练得到目标检测模型YOLO v3，识别红脂大小蠹虫，远程监测病虫害情况，识别准确率达到90%，与专业人士水平相当，并将原本需要两周才能完成的检查任务，缩短至1小时就能完成。
运行样例代码需要Paddle Fluid的v 1.4或以上的版本。如果你的运行环境中的PaddlePaddle低于此版本，请根据安装文档中的说明来更新PaddlePaddle：
http://paddlepaddle.org/documentation/docs/zh/1.4/beginners_guide/install/index_cn.html
数据准备
在MS-COCO数据集上进行训练，通过如下方式下载数据集。
cd dataset/coco
./download.sh
数据目录结构如下：
dataset/coco/
├── annotations
│ ├──instances_train2014.json
│ ├──instances_train2017.json
│ ├── instances_val2014.json
│ ├──instances_val2017.json
| ...
├── train2017
│ ├──000000000009.jpg
│ ├──000000580008.jpg
| ...
├── val2017
│ ├──000000000139.jpg
│ ├──000000000285.jpg
| ...
模型训练
安装cocoapi：训练前需要首先下载cocoapi。
gitclone https://github.com/cocodataset/cocoapi.git
cdcocoapi/PythonAPI
#if cython is not installed
pipinstall Cython
#Install into global site-packages
makeinstall
#Alternatively, if you do not have permissions or prefer
#not to install the COCO API into global site-packages
python2setup.py install --user
下载预训练模型： 本示例提供darknet53预训练模型，该模型转换自作者提供的darknet53在ImageNet上预训练的权重，采用如下命令下载预训练模型。
sh./weights/download.sh
通过初始化 --pretrain加载预训练模型。同时在参数微调时也采用该设置加载已训练模型。请在训练前确认预训练模型下载与加载正确，否则训练过程中损失可能会出现NAN。
开始训练： 数据准备完毕后，可以通过如下的方式启动训练。
python train.py \
--model_save_dir=output/ \
--pretrain=${path_to_pretrain_model}
--data_dir=${path_to_data}
通过设置export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7指定8卡GPU训练。
可选参数见：python train.py --help
数据读取器说明：
模型设置：
训练策略：
下图为模型训练结果Train Loss。
图：Train Loss
模型评估
模型评估是指对训练完毕的模型评估各类性能指标。本示例采用COCO官方评估。
eval.py是评估模块的主要执行程序，调用示例如下：
pythoneval.py \
--dataset=coco2017 \
--weights=${path_to_weights} \
通过设置export CUDA_VISIBLE_DEVICES=0指定单卡GPU评估。
若训练时指定--syncbn=False, 模型评估精度如下。
input size
mAP(IoU=0.50:0.95)
mAP(IoU=0.50)
mAP(IoU=0.75)
608x608
37.7
59.8
40.8
416x416
36.5
58.2
39.1
320x320
34.1
55.4
36.3
若训练时指定--syncbn=True, 模型评估精度如下。
input size
mAP(IoU=0.50:0.95)
mAP(IoU=0.50)
mAP(IoU=0.75)
608x608
38.9
61.1
42.0
416x416
37.5
59.6
40.2
320x320
34.8
56.4
36.9
注意： 评估结果基于pycocotools评估器，没有滤除score < 0.05的预测框，其他框架有此滤除操作会导致精度下降。
模型推断
模型推断可以获取图像中的物体及其对应的类别，infer.py是主要执行程序，调用示例如下。
pythoninfer.py \
--dataset=coco2017 \
--weights=${path_to_weights} \
--image_path=data/COCO17/val2017/ \
--image_name=000000000139.jpg \
--draw_thresh=0.5
通过设置export CUDA_VISIBLE_DEVICES=0指定单卡GPU预测。
模型预测速度（Tesla P40）
input size
608x608
416x416
320x320
infer speed
48 ms/frame
29 ms/frame
24 ms/frame
图：YOLO v3 预测可视化
| 留言与评论（共有 0 条评论） |
