124.人工智能-基于YOLOV3的道路标志目标检测

科技 08-08 来源： UNET

本文主要通过具体实例来讲解，如何使用飞桨的PaddleDetection开发套件进行模型训练目标检测。

环境安装说明：

1、安装PaddlePaddle

具体步骤参看官网说明：https://www.paddlepaddle.org.cn/

2、安装PaddleDetection

Windows系统：官网下载打包的PaddleDetection，解压后安装依赖

# 安装其他依赖cd PaddleDetectionpip install -r requirements.txt

数据准备

#进入 PaddleDetect/dataset/roadsing_voc 目录运行：download_roadsign_voc.py

程序自动下载道路标志注数据集,VOC格式，4种标志：speedlimit crosswalk trafficlight stop

配置模型参数。

进入：PaddleDetection\configs\yolov3 目录，选择yolov3_mobilenet_v1_roadsign.yml,默认配置如下：backbone: MobileNet，epochs:40

_BASE_: [  '../datasets/roadsign_voc.yml',  '../runtime.yml',  '_base_/optimizer_40e.yml',  '_base_/yolov3_mobilenet_v1.yml',  '_base_/yolov3_reader.yml',]pretrain_weights: https://paddledet.bj.bcebos.com/models/yolov3_mobilenet_v1_270e_coco.pdparamsweights: output/yolov3_mobilenet_v1_roadsign/model_finalYOLOv3Loss:  ignore_thresh: 0.7  label_smooth: true

模型训练

!python  tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --eval

#训练结果：mAP达到88.37%……[08/08 14:57:06] ppdet.utils.checkpoint INFO: Save checkpoint: output/yolov3_mobilenet_v1_roadsign[08/08 14:57:07] ppdet.utils.checkpoint INFO: Save checkpoint: output/yolov3_mobilenet_v1_roadsign[08/08 14:57:07] ppdet.engine INFO: Eval iter: 0[08/08 14:57:11] ppdet.engine INFO: Eval iter: 100[08/08 14:57:14] ppdet.metrics.metrics INFO: Accumulating evaluatation results...[08/08 14:57:14] ppdet.metrics.metrics INFO: mAP(0.50, integral) = 88.37%[08/08 14:57:14] ppdet.engine INFO: Total sample number: 176, averge FPS: 23.038157240792156[08/08 14:57:14] ppdet.engine INFO: Best test bbox ap is 0.891.

模型预测（单张）

!python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml -o weights=output/yolov3_mobilenet_v1_roadsign/best_model.pdparams --infer_img=128.jpg