毕设系列-检测专题-基于卷积神经网络的动物识别系统

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了毕设系列-检测专题-基于卷积神经网络的动物识别系统相关的知识,希望对你有一定的参考价值。


我们之前做过一期基于Yolov5的口罩检测系统(​​手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_dejahu的博客-博客​​),里面的代码是基于YOLOV5 6.0开发的,并且是适用其他数据集的,只需要修改数据集之后重新训练即可,非常方便,但是有些好兄弟是初学者,可能不太了解数据的处理,所以我们就这期视频做个衍生系列,主要是希望通过这些系列来教会大家如何训练和使用自己的数据集。

B站视频:​​毕设系列-检测专题-基于YOLOV5的手势识别系统_哔哩哔哩_bilibili​

博客地址:​​(2条消息) 毕设系列-检测专题-基于卷积神经网络的动物识别系统_肆十二的博客博客​​

代码地址:YOLOV5-animal-42: 基于YOLOV5的动物检测系统 (gitee.com)

数据集和训练好的模型地址:​​YOLOV5动物检测数据集+代码+模型2000张标注好的数据+教学视频_肆十二yolov5-深度学习文档类资源

上期评论区有好兄弟留言想看动物检测系统,那咱们这期检测系列就更新动物检测系统,并且在之前功能的基础之上添加了计数的功能,先看效果。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_pyqt5

考虑到有的朋友算力不足,我这里也提供了标注好的数据集和训练好的模型

​​YOLOV5动物检测数据集+代码+模型2000张标注好的数据+教学视频_肆十二yolov5-深度学习文档类资源-文库​​

下载代码

代码的下载地址是:YOLOV5-animal-42: 基于YOLOV5的动物检测系统 (gitee.com)

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_02

配置环境

不熟悉pycharm的anaconda的小伙伴请先看这篇博客,了解pycharm和anaconda的基本操作

​​如何在pycharm中配置anaconda的虚拟环境_dejahu的博客-博客_如何在pycharm中配置anaconda​​

anaconda安装完成之后请切换到国内的源来提高下载速度 ,命令如下:

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

首先创建python3.8的虚拟环境,请在命令行中执行下列操作:

conda create -n yolo5 python==3.8.5
conda activate yolo5

pytorch安装(gpu版本和cpu版本的安装)

实际测试情况是YOLOv5在CPU和GPU的情况下均可使用,不过在CPU的条件下训练那个速度会令人发指,所以有条件的小伙伴一定要安装GPU版本的Pytorch,没有条件的小伙伴最好是租服务器来使用。

GPU版本安装的具体步骤可以参考这篇文章:​​2021年Windows下安装GPU版本的Tensorflow和Pytorch_dejahu的博客-博客​​

需要注意以下几点:

  • 安装之前一定要先更新你的显卡驱动,去官网下载对应型号的驱动安装
  • 30系显卡只能使用cuda11的版本
  • 一定要创建虚拟环境,这样的话各个深度学习框架之间不发生冲突

我这里创建的是python3.8的环境,安装的Pytorch的版本是1.8.0,命令如下:

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch # 30系显卡的小伙伴执行这里的指令

安装完毕之后,我们来测试一下GPU是否

毕设系列-检测专题-基于卷积神经网络的动物识别系统_肆十二_03

pycocotools的安装

后面我发现了windows下更简单的安装方法,大家可以使用下面这个指令来直接进行安装,不需要下载之后再来安装

pip install pycocotools-windows

其他包的安装

另外的话大家还需要安装程序其他所需的包,包括opencv,matplotlib这些包,不过这些包的安装比较简单,直接通过pip指令执行即可,我们cd到yolov5代码的目录下,直接执行下列指令即可完成包的安装。

pip install -r requirements.txt
pip install pyqt5
pip install labelme

数据处理

实现准备处理好的yolo格式的数据集,一般yolo格式的数据是一张图片对应一个txt格式的标注文件。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_pyqt5_04

标注文件中记载了目标的类别 中心点坐标 和宽高信息,如下图所示:

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_05

记住这里的数据集位置,在后面的配置文件中我们将会使用到,比如我这里数据集的位置是:​​C:/Users/chenmingsong/Desktop/hand/hand_gesture_dataset​

配置文件准备

  • 数据配置文件的准备
    配置文件是data目录下的​​animal_data.yaml​​,只需要将这里的数据集位置修改为你本地的数据集位置即可。
  • 模型配置文件的准备
    模型的配置文件主要有三个,分别是​​animal_yolov5s.yaml​​、​​animal_yolov5m.yaml​​、​​animal_yolov5l.yaml​​,分别对应着yolo大中小三个模型,主要将配置文件中的nc修改为我们本次数据集对应的6个类别即可。

模型训练

模型训练的主文件是​​train.py​​,下面的三条指令分别对应着小中大三个模型的训练,有GPU的同学可以将设备换为0,表示使用0号GPU卡,显存比较大的同学可以将batchsize调整为4或者16,训练起来更快。

python train.py --data animal_data.yaml --cfg animal_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 2 --device cpu
python train.py --data animal_data.yaml --cfg animal_yolov5l.yaml --weights pretrained/yolov5l.pt --epoch 100 --batch-size 2
python train.py --data animal_data.yaml --cfg animal_yolov5m.yaml--weights pretrained/yolov5m.pt --epoch 100 --batch-size 2

训练过程中会出现下面的进度条

毕设系列-检测专题-基于卷积神经网络的动物识别系统_YOLOV5_06

等待训练完成之后训练结果将会保存在​​runs/train​​目录下,里面有各种各样的示意图供大家使用。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_07

模型使用

模型的使用全部集成在了​​detect.py​​目录下,你按照下面的指令指你要检测的内容即可

# 检测摄像头
python detect.py --weights runs/train/exps/weights/best.pt --source 0 # webcam
# 检测图片文件
python detect.py --weights runs/train/exps/weights/best.pt --source file.jpg # image
# 检测视频文件
python detect.py --weights runs/train/exps/weights/best.pt --source file.mp4 # video
# 检测一个目录下的文件
python detect.py --weights runs/train/exps/weights/best.pt path/ # directory
# 检测网络视频
python detect.py --weights runs/train/exps/weights/best.pt https://youtu.be/NUsoVlDFqZg # YouTube video
# 检测流媒体
python detect.py --weights runs/train/exps/weights/best.pt rtsp://example.com/media.mp4 # RTSP, RTMP, HTTP stream

比如以我们的口罩模型为例,如果我们执行​​python detect.py --weights runs/train/exps/weights/best.pt --source data/images/0023.png​​的命令便可以得到这样的一张检测结果。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_08

构建可视化界面

可视化界面的部分在​​window.py​​​文件中,是通过pyqt5完成的界面设计,在启动界面前,你需要将模型替换成你训练好的模型,替换的位置在​​window.py​​的第60行,修改成你的模型地址即可,如果你有GPU的话,可以将device设置为0,表示使用第0行GPU,这样可以加快模型的识别速度嗷。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_动物检测_09

现在启动看看效果吧。

找到我

你可以通过这些方式来寻找我。

B站:​​肆十二-​

知乎:​​肆十二 ​

微博:​​肆十二-​

现在关注以后就是老朋友喽!


以上是关于毕设系列-检测专题-基于卷积神经网络的动物识别系统的主要内容,如果未能解决你的问题,请参考以下文章

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)