【目标检测】【Ultralytics-YOLO系列】Windows11下YOLOV5人脸目标检测

【目标检测】【Ultralytics-YOLO系列】Windows11下YOLOV5人脸目标检测

前言

Ultralytics YOLO 是一系列基于 YOLO（You Only Look Once）算法的检测、分割、分类、跟踪和姿势估计模型，由 Ultralytics 公司开发和维护，YOLO 算法以其快速和准确的目标检测能力而闻名。从最初的YOLOv1到最新的YOLOv11，每一代版本都在特征提取、边界框预测和优化技术等方面引入了重要的创新。这些改进特别是在骨干网络（backbone）、颈部（neck）和头部（head）组件上的进步，使得YOLO成为实时目标检测领域的领先解决方案。
【YOLO的发展历程参考】YOLOv5 旨在实时提供高速、高精度的结果，本博文将通过人脸检测项目简要介绍Ultralytics–YOLOv5的使用。【官方教程】【官方源码】

YOLOV5模型运行环境搭建

在win11环境下装anaconda环境，方便搭建专用于YOLOV5模型的虚拟环境。

• 查看主机支持的cuda版本(最高)

  # 打开cmd,执行下面的指令查看CUDA版本号
  nvidia-smi
  

  
• 安装GPU版本的torch【官网】
  博主的cuda版本是12.2，博主选的11.8也没问题。
  
  其他cuda版本的torch在【以前版本】找对应的安装命令。
• 博主安装环境参考

  # 创建虚拟环境
  conda create -n ultralytics python=3.10
  # 查看新环境是否安装成功
  conda env list
  # 激活环境
  activate ultralytics
  # cd到合适的位置下载yolov5源码 
  git clone https://github.com/ultralytics/yolov5 
  cd yolov5
  # 切换到一个特定的v7.0版本
  git checkout tags/v7.0
  # 安装pytorch和torchvision,否则容易自动安装成CPU版本(不知原因)
  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  # 安装运行所需的包,修改requirements中Pillow==9.5,删除torch和torchvision部分
  pip install -r requirements.txt
  # 安装 opencv
  # 查看所有安装的包
  pip list
  conda list
  

YOLOV5模型运行

数据集准备

1. 数据集下载：人脸目标检测数据集WIDER_FACE_VOC2007.zip【百度云下载，提取码：u2b9 】，以下是下载的数据集格式

    WIDER_VOC2007
      └── Annotations		标签	
          ├── 000001.xml
          ├── 000002.xml
          ├── ...
      └── ImageSets
              ├── Main
              |   ├── train.txt	训练集
              |   ├── val.txt		验证集
      └── JPEGImages		图片
          ├── 000001.jpg
          ├── 000002.jpg
          ├── ...
   

2. 数据集格式转化：将原始标签的xml格式转化Ultralytics-YOLO的txt格式。

   每幅图像对应一个txt文件，如果图像中没有检测对象则不需要txt文件。
   每个对象占一行，每一行中包含的内容为：类别(class )、中心X坐标(x_center)、中心Y坐标(y_center)、图像宽度(width)和图像高度(height)。
   中心坐标已经宽高都做了归一化处理，从0到 1；类别编号从0开始。
   
   

   这里博主提供了转化的python代码。

   import os
   import xml.etree.ElementTree as ET
   
   def parse_xml(xml_file):
       # 解析XML文件
       tree = ET.parse(xml_file)
       root = tree.getroot()
   
       # 获取图像尺寸
       size = root.find('size')
       width = int(size.find('width').text)
       height = int(size.find('height').text)
   
       # 初始化结果列表
       objects = []
   
       # 遍历所有的object标签
       for obj in root.findall('object'):
           name = obj.find('name').text
           difficult = int(obj.find('difficult').text)
   
           # 只处理name为'face'且difficult为0的对象
           if name == 'face' and difficult == 0:
               bndbox = obj.find('bndbox')
               xmin = int(bndbox.find('xmin').text)
               ymin = int(bndbox.find('ymin').text)
               xmax = int(bndbox.find('xmax').text)
               ymax = int(bndbox.find('ymax').text)
   
               # 计算中心点坐标和宽高
               x_center = (xmin + xmax) / 2.0
               y_center = (ymin + ymax) / 2.0
               box_width = xmax - xmin
               box_height = ymax - ymin
   
               # 归一化处理
               x_center /= width
               y_center /= height
               box_width /= width
               box_height /= height
   
               # 添加到结果列表
               objects.append((0, x_center, y_center, box_width, box_height))
   
       return objects
   
   def save_to_txt(objects, txt_file):
       with open(txt_file, 'w') as f:
           for obj in objects:
               line = ' '.join([str(x) for x in obj]) + '\n'
               f.write(line)
   
   def process_directory(input_directory, output_directory):
       # 确保输出目录存在
       if not os.path.exists(output_directory):
           os.makedirs(output_directory)
   
       # 遍历输入目录下的所有XML文件
       for filename in os.listdir(input_directory):
           if filename.endswith('.xml'):
               xml_file = os.path.join(input_directory, filename)
               txt_file = os.path.join(output_directory, filename.replace('.xml', '.txt'))
   
               # 解析XML并获取所需信息
               objects = parse_xml(xml_file)
   
               # 将结果保存到TXT文件
               save_to_txt(objects, txt_file)
   
   if __name__ == "__main__":
       input_directory = r'Annotations'  # 替换为你的XML文件所在目录
       output_directory = r'labels'  # 替换为你的输出目录
       process_directory(input_directory, output_directory)
   

3. 数据集组织结构：将原始数据划分成训练集和测试集，并在当前yolov5工程下新建路径datasets/facedetection，将train和val数据集放到该路径下。

    facedetection
      └── train
              ├── images
              |   ├── 000001.jpg
              |   ├── 000002.jpg
              |   ├── ...
              ├── labels
              |   ├── 000001.txt
              |   ├── 000002.txt
              |   ├── ...
      └── val
              ├── images
              |   ├── 000007.jpg
              |   ├── 0000010.jpg
              |   ├── ...
              ├── labels
              |   ├── 000007.txt
              |   ├── 0000010.txt
              |   ├── ...
   

   这里博主提供了转化的python代码。

   import os
   import shutil
   import random
   
   # 原始文件路径
   image_dir = r'JPEGImages'
   label_dir = r'labels'
   
   # 新的文件路径
   train_dir = r'train'
   val_dir = r'val'
   
   # 创建新的文件夹
   os.makedirs(os.path.join(train_dir, 'images'), exist_ok=True)
   os.makedirs(os.path.join(train_dir, 'labels'), exist_ok=True)
   os.makedirs(os.path.join(val_dir, 'images'), exist_ok=True)
   os.makedirs(os.path.join(val_dir, 'labels'), exist_ok=True)
   
   # 获取所有图像文件名
   image_files = [f for f in os.listdir(image_dir) if f.endswith('.jpg')]
   
   # 设置随机种子以保证结果可复现
   random.seed(42)
   
   # 打乱文件列表
   random.shuffle(image_files)
   
   # 计算训练集和验证集的数量
   split_index = int(0.8 * len(image_files))
   train_files = image_files[:split_index]
   val_files = image_files[split_index:]
   
   # 复制训练集文件
   for file_name in train_files:
       image_path = os.path.join(image_dir, file_name)
       label_path = os.path.join(label_dir, os.path.splitext(file_name)[0] + '.txt')
   
       # 复制图像文件
       shutil.copy(image_path, os.path.join(train_dir, 'images', file_name))
   
       # 复制标签文件
       shutil.copy(label_path, os.path.join(train_dir, 'labels', os.path.splitext(file_name)[0] + '.txt'))
   
   # 复制验证集文件
   for file_name in val_files:
       image_path = os.path.join(image_dir, file_name)
       label_path = os.path.join(label_dir, os.path.splitext(file_name)[0] + '.txt')
   
       # 复制图像文件
       shutil.copy(image_path, os.path.join(val_dir, 'images', file_name))
   
       # 复制标签文件
       shutil.copy(label_path, os.path.join(val_dir, 'labels', os.path.splitext(file_name)[0] + '.txt'))
   
   print("数据集划分完成")
   

4. 配置facedetection.yaml：博主根据data/coco128.yaml文件，在data目录下同样配置了人脸目标检测的facedetection.yaml。

   path: datasets/facedetection		# 数据集路径
   train: train/images					# 训练集
   val: val/images						# 验证集
   names:								# 标签序号
     0: face
   

YOLOV5运行

模型训练

train.py配置训练参数：在有标注的者训练集进行模型的训练，并在验证集上评估。

常用参数含义
weights：指定预训练模型的权重文件；
cfg：存储模型结构的配置文件；
data：存储训练、测试数据的配置文件;
batch-size：一次训练的图片数量；
img-size：输入图片宽高,根据需求和硬件条件修改;
device：模型运行的设备,cuda 0,1,2,3或者cpu.
其他参数在后续讲解具体代码的过程中再去解释。

训练运行以下命令：

python train.py --img 640 --epochs 300 --data data/facedetection.yaml --batch 16 --weights yolov5s.pt --cfg yolov5s.yaml --device 0  

weights 参数和 cfg 参数对应的模型有冲突，以 cfg 指定的模型为基准。

模型验证

val.py参数验证配置：在有标注的者验证集上进行模型效果的评估模型好坏，目标检测中最常使用的评估指标为mAP。

常用参数含义
data：存储训练、测试数据的配置文件;
weights：指定预训练模型的权重文件；
batch-size：一次验证的图片数量；
img-size：输入图片宽高,根据需求和硬件条件修改;
device：模型运行的设备,cuda 0,1,2,3或者cpu;
augment：额外的数据增强.
其他参数在后续讲解具体代码的过程中再去解释。

验证运行以下命令：

python val.py --img 640  --data data/facedetection.yaml --batch 16 --weights runs/train/exp/weights/best.pt  --device 0 --augment

这里博主随便找了一次训练过程中的中间训练权重进行演示，所以精度不是很高。

模型推理

detect.py配置推理参数：没有标注的数据集上进行推理。

常用参数含义
weights：指定预训练模型的权重文件；
img-size：输入图片宽高,根据需求和硬件条件修改;
device：模型运行的设备,cuda 0,1,2,3或者cpu;
–conf-thres：指定置信度阈值;
–iou-thres：非极大值抑制IoU 阈值;
augment：额外的数据增强.
其他参数在后续讲解具体代码的过程中再去解释。

推理运行以下命令：

python detect.py --weights runs/train/exp/weights/best.pt --source data/images --device 0 --conf-thres 0.7 --iou-thres 0.3

总结

尽可能简单、详细的介绍了YOLOV5的安装流程以及YOLOV5的使用方法。后续会根据自己学到的知识结合个人理解讲解YOLOV5的原理和代码。