YOLOV3-Fire-Detection

csdn github

Yolov3的Pytorch版本实现火焰检测，其具体效果如下:

Requirements

• 环境：windows10
• 编程语言：python
• 编程工具：pycharm
• 所需的包：requirements.txt

Train

1.安装包

本次所需的包在requirements.txt中，通过 pip install -r requirements.txt 即可。

2.所需权重文件

$ cd weights/
$ bash download_weights.sh

进入weights目录下，运行sh文件，即可下载本次所需权重，即darknet53.conv.74,yolov3.weights,yolov3-tiny.weights

3.修改配置文件信息

$ cd config/
$ bash create_custom_model.sh <num_classes>

进入config目录。执行bash create_custom_model.sh <num_classes>，其中num_classes为类别参数，根据你的需要修改，本次设置为1

执行上述完毕之后，修改custom.data文件，修改其中的classes的参数以及配置文件的路径即可。

4.配置yolov3的数据格式

$ python voc2yolov3.py/
$ python voc_anotation.py

首先你需要准备好voc格式的数据，之后将voc格式的数据转为本次所需的数据格式。

数据格式内容为：

• 每一张图像对应一个txt标注信息；
• txt中第一列为类别信息
• txt中剩下四列为标准化后的标注信息
  • <1>*w = (xmax-xmin)/2+xmin
  • <2>*h = (ymax-ymin)/2+ymin
  • <3> = (xmax-xmin)/w
  • <4> = (ymax-ymin)/h

5.运行

# 训练
python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights weights/darknet53.conv.74
    
# 从中断的地方开始训练
python train.py --model_def config/yolov3-custom.cfg --data_config config/custom.data --pretrained_weights checkpoints/yolov3_ckpt_99.pth --epoch 

若出现警告UserWarning: indexing with dtype torch.uint8 is now deprecated, please use a dtype torch.bool instead. 则修改model.py的代码，在大约192行左右添加一下两句：

obj_mask=obj_mask.bool() # convert int8 to bool

noobj_mask=noobj_mask.bool() #convert int8 to bool

训练日志如下：

---- [Epoch 7/100, Batch 7300/14658] ----
+------------+--------------+--------------+--------------+
| Metrics    | YOLO Layer 0 | YOLO Layer 1 | YOLO Layer 2 |
+------------+--------------+--------------+--------------+
| grid_size  | 16           | 32           | 64           |
| loss       | 1.554926     | 1.446884     | 1.427585     |
| x          | 0.028157     | 0.044483     | 0.051159     |
| y          | 0.040524     | 0.035687     | 0.046307     |
| w          | 0.078980     | 0.066310     | 0.027984     |
| h          | 0.133414     | 0.094540     | 0.037121     |
| conf       | 1.234448     | 1.165665     | 1.223495     |
| cls        | 0.039402     | 0.040198     | 0.041520     |
| cls_acc    | 44.44%       | 43.59%       | 32.50%       |
| recall50   | 0.361111     | 0.384615     | 0.300000     |
| recall75   | 0.222222     | 0.282051     | 0.300000     |
| precision  | 0.520000     | 0.300000     | 0.070175     |
| conf_obj   | 0.599058     | 0.622685     | 0.651472     |
| conf_noobj | 0.003778     | 0.004039     | 0.004044     |
+------------+--------------+--------------+--------------+
Total Loss 4.429395
---- ETA 0:35:48.821929

6.Tensorboard可视化

• Go to http://localhost:6006/

$ tensorboard --logdir='logs\' --port=6006

7.测试

python detect.py --image_folder data/imgs/ --weights_path checkpoints/yolov3_ckpt_99.pth --model_def config/yolov3-custom.cfg --class_path data/custom/classes.names

参考

https://github.com/ModelBunker/YOLOv3-PyTorch

License

This project use the MIT license.