/FireDetection_EfficientDet

use Efficientdet to detect objects in images within own customed dataset.

Primary LanguagePython

本博客使用到的EfficientDet开源代码： zylo117/Yet-Another-EfficientDet-Pytorch

数据库准备

1. 爬虫

  1. 爬虫工具+浏览器：slenium+webdriver+chrome浏览器
  2. 安装chrome浏览器：
	 1. wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
	 2. sudo dpkg -i google-chrome-stable_current_amd64.deb
  1. 安装chrome-driver：
          1. LATEST=$(wget -q -O - http://chromedriver.storage.googleapis.com/LATEST_RELEASE)
          2.  wget http://chromedriver.storage.googleapis.com/$LATEST/chromedriver_linux64.zip
          3.  unzip chromedriver_linux64.zip
          4.  sudo mv -f chromedriver /usr/local/share/chromedriver
          5.  sudo ln -s /usr/local/share/chromedriver /usr/local/bin/chromedriver
          6.  sudo ln -sf /usr/local/share/chromedriver /usr/bin/chromedriver
  1. 安装selenium：pip install selenium
  2. 爬虫具体程序参见test_baidu.py

2. 数据清理+重命名

  • 删除cv2无法打开的图片：可使用DatasetProcess/ImgRename.py def delWrongImg()，但请注意此方法可能无法完全删除cv2打不开的图片，还需手动检查一遍。
  • 重命名图片：使用DatasetProcess/ImgRename.py def rename()

3. 使用labelImg标注

  1. LabelImg的安装：https://github.com/tzutalin/labelImg （windows和Ubuntu都可以）
  2. 打开labelImg：
cd labelImg # 下载labelImg的路径
python3 labelImg.py # 打开labelImg

  1. 改变默认保存Annotations的路径: 点击左边Change Save Dir

  2. 快捷键:

  • W 新建矩形框
  • Ctrl+S 保存当前标注
  • A 前一张图
  • D 后一张图
  1. 若需要对标注后的图片和xml标注文件进行批量重命名，合并到同一文件夹/JPEGImage和/Annotations，请使用DatasetProcess/ImgRename.py def folders_rename().

5.数据增强

参考链接：https://github.com/maozezhong/CV_ToolBox 具体代码详见/CV_ToolBox/DataAugForObjectDetection/DataAugmentForObejctDetection.py

4. 转化为COCO格式

  1. 若使用LabelImg（.xml）进行图片标注，请参考DatasetProcess/61/VocToCoco.py
  2. 若使用Labelme（.json）进行图片标注，请参考DatasetProcess/others

训练

（操作均在efficientDet目录下）

  1. 将处理好的数据集存入efficientDet目录下的/datasets目录。
  2. 在/projects目录下新建.yml文件，其中project_name需与datasets/中数据集文件夹名相同，train_set和val_set也需要与数据集目录下存放训练图片和验证图片的目录名称相同。num_gpus根据自己训练时需要的gpu进行设置。obj_list按照顺序填入数据集中包含的所有label名称。（可使用DatasetProcess/61/ReadDir def readJson()读取json文件中label的顺序）
  3. 修改train.py中第303行，保存.pth的名称（避免和已有名称撞车）
  4. 参考训练指令：python train.py -c 2 -p fire2020 --batch_size 8 --lr 1e-5 --num_epochs 2 --load_weights weights/efficientdet-d2.pth

测试

  1. 查看logs：
cd logs/fire/tensorboard
tensorboard --logdir 20201027-105928 --host==127.0.0.1
  1. test.py（可输入单张图片或整个图片文件夹目录）：python test.py -p fire -i test --is_saved 请注意，这里默认将保存的图片保存在result/目录下。
  2. 测试一段视频：python efficientdet_test_videos.py 请进入代码修改视频路径，labels，和读取的pth文件路径。
  3. 计算AP值：python coco_eval.py -p fire -w weights/weights_fire.pth 请注意，如果出现AP全为-1的情况，请注意修改coco_eval.py第147行的catIds