Mystra|目标检测 YOLO v3 训练人脸检测模型 v3|人脸|训练|YOLO

YOLO，是You Only Look Once的缩写，一种基于深度卷积神经网络的物体检测算法，YOLO v3是YOLO的第3个版本，检测算法更快更准。
本文源码：https://github.com/SpikeKing/keras-yolo3-detection
欢迎Follow我的GitHub：https://github.com/SpikeKing

文章图片

YOLO v3已经提供 COCO（Common Objects in Context）数据集的模型参数。我们可以把COCO的模型参数作为预训练参数，再结合已有的数据集，创建自己的检测算法。
本例使用WIDER FACE人脸数据，训练一个高精度的人脸检测模型。
WIDER 数据集：WIDER Face

文章图片

建立时间：2015-11-19
WIDER FACE 数据集是一个人脸检测基准（benchmark）数据集，图片选取自 WIDER（Web Image Dataset for Event Recognition）数据集。图片数 32,203 张，人脸数 393,703 个，在大小（scale）、位置（pose）、遮挡（occlusion）等不同形式中，人脸是高度变换的。WIDER FACE 数据集是基于61个事件类别，每个事件类别，随机选取训练40%、验证10%、测试50%。训练和测试含有边框（bounding box）真值（ground truth），而验证不含。
数据集在官网可以公开下载，其中在Face annotations 中，wider_face_train_bbx_gt.txt是边框真值，数据格式如下：

0--Parade/0_Parade_marchingband_1_849.jpg 1 449 330 122 149 0 0 0 0 0 0

【Mystra|目标检测 YOLO v3 训练人脸检测模型】数据说明：

第1行：图片的位置和名称；
第2行：边框的数量；
第3~n行：每个人脸的边框和属性：
- 其中1~4位是x1, y1, w, h
- blur：模糊，0清晰、1一般、2严重；
- expression：表情，0正常、1夸张；
- illumination：曝光，0正常、1极度；
- occlusion：遮挡，0无、1部分、2大量；
- pose：姿势，0正常，1非典型；

wider_face_val_bbx_gt.txt与此类似。
图片数据的清晰度一般，大小不一，尺寸为1024x，宽度相同。
数据转换为了符合训练要求，需要转换wider数据集中的边框格式，为训练要求的边框格式。
即文件路径，边框xmin,ymin,xmax,ymax,label：

data/WIDER_val/images/10--People_Marching/10_People_Marching_People_Marching_2_433.jpg 614,346,771,568,0 245,382,392,570,0 353,222,461,390,0 498,237,630,399,0

转换源码。遍历数据文件夹，逐行解析不同格式的数据，写入文件。注意：

物体框，Wider的数据格式是x,y,w,h，而训练的数据格式是xmin,ymin,xmax,ymax；
只检测人脸一个类别，则类别索引均为0；

具体参考工程的wider_annotation.py脚本。

def generate_train_file(bbx_file, data_folder, out_file): paths_list, names_list = traverse_dir_files(data_folder) name_dict = dict() for path, name in zip(paths_list, names_list): name_dict[name] = pathdata_lines = read_file(bbx_file)sub_count = 0 item_count = 0 out_list = []for data_line in data_lines: item_count += 1 if item_count % 1000 == 0: print('item_count: ' + str(item_count))data_line = data_line.strip() l_names = data_line.split('/') if len(l_names) == 2: if out_list: out_line = ' '.join(out_list) write_line(out_file, out_line) out_list = []name = l_names[-1] img_path = name_dict[name] sub_count = 1 out_list.append(img_path) continueif sub_count == 1: sub_count += 1 continueif sub_count >= 2: n_list = data_line.split(' ') x_min = n_list[0] y_min = n_list[1] x_max = str(int(n_list[0]) + int(n_list[2])) y_max = str(int(n_list[1]) + int(n_list[3])) p_list = ','.join([x_min, y_min, x_max, y_max, '0'])# 标签全部是0，人脸 out_list.append(p_list) continue

类别文件wider_classes.txt仅有一行，就是face。
训练 YOLO v3的训练过程，参数：标注数据、类别、存储路径、预训练模型、anchors、输入尺寸。

annotation_path = 'dataset/WIDER_train.txt'# 数据 classes_path = 'configs/wider_classes.txt'# 类别log_dir = 'logs/002/'# 日志文件夹pretrained_path = 'model_data/yolo_weights.h5'# 预训练模型 anchors_path = 'configs/yolo_anchors.txt'# anchorsclass_names = get_classes(classes_path)# 类别列表 num_classes = len(class_names)# 类别数 anchors = get_anchors(anchors_path)# anchors列表input_shape = (416, 416)# 32的倍数，输入图像

创建模型：

input_shape是输入图像的尺寸；
anchors是检测框的尺寸；
num_classes是类别数；
freeze_body，模式1是全部冻结，模式2是训练最后三层；
weights_path，预训练权重的路径；
logging是TensorBoard的回调，checkpoint是存储权重的回调；

model = create_model(input_shape, anchors, num_classes, freeze_body=2, weights_path=pretrained_path)# make sure you know what you freezelogging = TensorBoard(log_dir=log_dir) checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5', monitor='val_loss', save_weights_only=True, save_best_only=True, period=3)# 只存储weights，

训练数据与验证数据：

val_split = 0.1# 训练和验证的比例 with open(annotation_path) as f: lines = f.readlines() np.random.seed(10101) np.random.shuffle(lines) np.random.seed(None) num_val = int(len(lines) * val_split)# 验证集数量 num_train = len(lines) - num_val# 训练集数量

模型编译与fit数据：

损失函数只使用y_pred预测结果；
批次数是32个；
训练数据与验证数据都来源于data_generator_wrapper；
训练过程中，通过checkpoint存储权重，最终再存储最终的权重；

model.compile(optimizer=Adam(lr=1e-3), loss={ # use custom yolo_loss Lambda layer. 'yolo_loss': lambda y_true, y_pred: y_pred})# 损失函数batch_size = 32# batch尺寸 print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size)) model.fit_generator(data_generator_wrapper(lines[:num_train], batch_size, input_shape, anchors, num_classes), steps_per_epoch=max(1, num_train // batch_size), validation_data=https://www.it610.com/article/data_generator_wrapper( lines[num_train:], batch_size, input_shape, anchors, num_classes), validation_steps=max(1, num_val // batch_size), epochs=200, initial_epoch=0, callbacks=[logging, checkpoint]) model.save_weights(log_dir +'trained_weights_stage_1.h5')# 存储最终的参数，再训练过程中，通过回调存储

模型创建：

创建YOLO v3的模型，yolo_body，参数图像输入、每个尺度的anchor数、类别数；
加载预训练权重，冻结参数，保留最后三层；
自定义Lambda，模型的损失函数层；
输入是YOLO模型输入和真值，输出是损失函数；

def create_model(input_shape, anchors, num_classes, load_pretrained=True, freeze_body=2, weights_path='model_data/yolo_weights.h5'): K.clear_session()# 清除session image_input = Input(shape=(None, None, 3))# 图片输入格式 h, w = input_shape# 尺寸 num_anchors = len(anchors)# anchor数量# YOLO的三种尺度，每个尺度的anchor数，类别数+边框4个+置信度1 y_true = [Input(shape=(h // {0: 32, 1: 16, 2: 8}[l], w // {0: 32, 1: 16, 2: 8}[l], num_anchors // 3, num_classes + 5)) for l in range(3)]model_body = yolo_body(image_input, num_anchors // 3, num_classes)# model print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))if load_pretrained:# 加载预训练模型 model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)# 加载参数，跳过错误 print('Load weights {}.'.format(weights_path)) if freeze_body in [1, 2]: # Freeze darknet53 body or freeze all but 3 output layers. num = (185, len(model_body.layers) - 3)[freeze_body - 1] for i in range(num): model_body.layers[i].trainable = False# 将其他层的训练关闭 print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss', arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(model_body.output + y_true)# 后面是输入，前面是输出 model = Model([model_body.input] + y_true, model_loss)# 模型，inputs和outputsreturn model

数据生成器：

data_generator_wrapper用于条件检查；
将输入的标注行随机；
根据批次数，将图像放入image_data中，将边框和参数放入真值y_true中；
输出图像和边框，还有批次数的填充，用于存储置信度。

def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes): '''data generator for fit_generator''' n = len(annotation_lines) i = 0 while True: image_data = https://www.it610.com/article/[] box_data = [] for b in range(batch_size): if i == 0: np.random.shuffle(annotation_lines) image, box = get_random_data(annotation_lines[i], input_shape, random=True)# 获取图片和盒子 image_data.append(image)# 添加图片 box_data.append(box)# 添加盒子 i = (i + 1) % n image_data = np.array(image_data) box_data = np.array(box_data) y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)# 真值 yield [image_data] + y_true, np.zeros(batch_size)def data_generator_wrapper(annotation_lines, batch_size, input_shape, anchors, num_classes):""" 用于条件检查 """ n = len(annotation_lines)# 标注图片的行数 if n == 0 or batch_size <= 0: return None return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)

具体源码参考yolo3_train.py，即可生成人脸检测模型。
验证在yolo3_predict.py中，替换已训练好的模型参数：
模型：ep108-loss44.018-val_loss43.270.h5
检测图片：