快到沒朋友的YOLO v3有了PaddlePaddle實現 | 代碼+預訓練模型

YOLO作為目標檢測領域的創(chuàng)新技術，一經推出就受到開發(fā)者的廣泛關注。值得一提的是，基于百度自研的開源深度學習平臺PaddlePaddle的YOLO v3實現，參考了論文【Bag of Tricks for Image Classification with Convolutional Neural Networks】，增加了mixup，label_smooth等處理，精度(mAP(0.5：0.95))相比于原作者的實現提高了4.7個絕對百分點，在此基礎上加入synchronize batch normalization, 最終精度相比原作者提高5.9個絕對百分點。我們將在下文中為大家詳解實現的具體過程。

CV領域的核心問題之一就是目標檢測(object detection)，它的任務是找出圖像當中所有感興趣的目標(物體)，確定其位置和大小(包含目標的矩形框)并識別出具體是哪個對象。Faster R-CNN及在其基礎上改進的Mask R-CNN在實例分割、目標檢測、人體關鍵點檢測等任務上都取得了很好的效果，但通常較慢。YOLO 創(chuàng)造性的提出one-stage，就是目標定位和目標識別在一個步驟中完成。

由于整個檢測流水線是單個網絡，因此可以直接在檢測性能上進行端到端優(yōu)化，使得基礎YOLO模型能以每秒45幀的速度實時處理圖像，較小網絡的Fast YOLO每秒處理圖像可達到驚人的155幀。YOLO有讓人驚艷的速度，同時也有讓人止步的缺陷：不擅長小目標檢測。而YOLO v3保持了YOLO的速度優(yōu)勢，提升了模型精度，尤其加強了小目標、重疊遮擋目標的識別，補齊了YOLO的短板，是目前速度和精度均衡的目標檢測網絡。

YOLO v3檢測原理

YOLO v3 是一階段End2End的目標檢測器。YOLO v3將輸入圖像分成S*S個格子，每個格子預測B個bounding box，每個bounding box預測內容包括: Location(x, y, w, h)、Confidence Score和C個類別的概率，因此YOLO v3輸出層的channel數為S*S*B*(5 + C)。YOLO v3的loss函數也有三部分組成：Location誤差，Confidence誤差和分類誤差。

　　圖：YOLO v3檢測原理

YOLO v3網絡結構

YOLO v3 的網絡結構由基礎特征提取網絡、multi-scale特征融合層和輸出層組成。

1、特征提取網絡。YOLO v3使用 DarkNet53作為特征提取網絡：DarkNet53 基本采用了全卷積網絡，用步長為2的卷積操作替代了池化層，同時添加了 Residual 單元，避免在網絡層數過深時發(fā)生梯度彌散。

2、特征融合層。為了解決之前YOLO版本對小目標不敏感的問題，YOLO v3采用了3個不同尺度的特征圖來進行目標檢測，分別為13*13,26*26,52*52,用來檢測大、中、小三種目標。特征融合層選取 DarkNet 產出的三種尺度特征圖作為輸入，借鑒了FPN(feature pyramid networks)的思想，通過一系列的卷積層和上采樣對各尺度的特征圖進行融合。

3、輸出層。同樣使用了全卷積結構，其中最后一個卷積層的卷積核個數是255：3*(80+4+1)=255，3表示一個grid cell包含3個bounding box，4表示框的4個坐標信息，1表示Confidence Score，80表示COCO數據集中80個類別的概率。

　　圖：YOLO v3 網絡結構

PaddlePaddle簡介

PaddlePaddle是百度自研的集深度學習框架、工具組件和服務平臺為一體的技術領先、功能完備的開源深度學習平臺，有全面的官方支持的工業(yè)級應用模型，涵蓋自然語言處理、計算機視覺、推薦引擎等多個領域，并開放多個領先的預訓練中文模型。目前，已經被中國企業(yè)廣泛使用，并擁有活躍的開發(fā)者社區(qū)。

應用案例—AI識蟲

紅脂大小蠹是危害超過 35 種松科植物的蛀干害蟲，自 1998 年首次發(fā)現到 2004 年，發(fā)生面積超過 52.7 萬平方公里 , 枯死松樹達 600 多萬株。且在持續(xù)擴散，給我國林業(yè)經濟帶來巨大損失。傳統(tǒng)監(jiān)測方式依賴具有專業(yè)識別能力的工作人員進行實地檢查，專業(yè)要求高，工作周期長。北京林業(yè)大學、百度、嘉楠、軟通智慧合作面向信息素誘捕器的智能蟲情監(jiān)測系統(tǒng)，通過PaddlePaddle訓練得到目標檢測模型YOLO v3，識別紅脂大小蠹蟲，遠程監(jiān)測病蟲害情況，識別準確率達到90%，與專業(yè)人士水平相當，并將原本需要兩周才能完成的檢查任務，縮短至1小時就能完成。

基于PaddlePaddle實戰(zhàn)

運行樣例代碼需要Paddle Fluid的v.1.4或以上的版本。如果你的運行環(huán)境中的PaddlePaddle低于此版本，請根據安裝文檔中的說明來更新PaddlePaddle。

數據準備

在MS-COCO數據集上進行訓練，通過如下方式下載數據集。

cd dataset/coco

./download.sh

數據目錄結構如下：

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

| ...

模型訓練

安裝cocoapi：訓練前需要首先下載cocoapi。

git clone https://github.com/cocodataset/cocoapi.git

cd cocoapi/PythonAPI

# if cython is not installed

pip install Cython

# Install into global site-packages

make install

# Alternatively, if you do not have permissions or prefer

# not to install the COCO API into global site-packages

python2 setup.py install --user

下載預訓練模型： 本示例提供darknet53預訓練模型，該模型轉換自作者提供的darknet53在ImageNet上預訓練的權重，采用如下命令下載預訓練模型。

sh ./weights/download.sh

通過初始化 --pretrain 加載預訓練模型。同時在參數微調時也采用該設置加載已訓練模型。 請在訓練前確認預訓練模型下載與加載正確，否則訓練過程中損失可能會出現NAN。

開始訓練： 數據準備完畢后，可以通過如下的方式啟動訓練。

python train.py \

--model_save_dir=output/ \

--pretrain=${path_to_pretrain_model}

--data_dir=${path_to_data}

• 通過設置export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7指定8卡GPU訓練。

• 可選參數見：?python train.py --help

數據讀取器說明：

• 數據讀取器定義在reader.py中。

模型設置：

• 模型使用了基于COCO數據集生成的9個先驗框：10x13，16x30，33x23，30x61，62x45，59x119，116x90，156x198，373x326

• 檢測過程中，nms_topk=400, nms_posk=100，nms_thresh=0.45

訓練策略：

• 采用momentum優(yōu)化算法訓練YOLO v3，momentum=0.9。

• 學習率采用warmup算法，前4000輪學習率從0.0線性增加至0.001。在400000，450000輪時使用0.1,0.01乘子進行學習率衰減，最大訓練500000輪。

下圖為模型訓練結果Train Loss。

　　圖：Train Loss

模型評估

模型評估是指對訓練完畢的模型評估各類性能指標。本示例采用COCO官方評估。

eval.py是評估模塊的主要執(zhí)行程序，調用示例如下：

python eval.py \

--dataset=coco2017 \

--weights=${path_to_weights} \

• 通過設置export CUDA_VISIBLE_DEVICES=0指定單卡GPU評估。

若訓練時指定--syncbn=False, 模型評估精度如下。

若訓練時指定--syncbn=True, 模型評估精度如下。

• 注意： 評估結果基于pycocotools評估器，沒有濾除score < 0.05的預測框，其他框架有此濾除操作會導致精度下降。

模型推斷

模型推斷可以獲取圖像中的物體及其對應的類別，infer.py是主要執(zhí)行程序，調用示例如下。

python infer.py \

--dataset=coco2017 \

--weights=${path_to_weights} \

--image_path=data/COCO17/val2017/ \

--image_name=000000000139.jpg \

--draw_thresh=0.5

• 通過設置export CUDA_VISIBLE_DEVICES=0指定單卡GPU預測。

模型預測速度(Tesla P40)

　　圖：YOLO v3 預測可視化

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。