目录

基础软件安装

项目来源

环境配置

使用LabelImg给图片打标签

数据增强

划分训练集，测试集

模型训练

将验证集结果可视化

首先写一下我们这个项目的思路

1.下载图片，网上随便找

2.使用LabelImg对这些图片打标签，生成对应的XML文件

3.使用数据增强方法（我这里主要使用mixup和mosaic的方法），生成更多图片

4.使用代码脚本划分训练集，测试集，生成csv文件

5.对训练集数据进行训练，得到一个权重文件.pt

6.使用这个文件对测试集进行可视化结果测试

基础软件安装

关于Anaconda，PyTorch的安装已经有很多大佬发过贴了，我也是按照教程来的，这里就不惜将了，贴个链接，不会的可以自己去看

Anaconda安装：(18条消息) 史上最全最详细的Anaconda安装教程_OSurer的博客-CSDN博客_anaconda 安装

Pytorch安装：

PyTorch 最新安装教程（-07-27）_ZSYL的博客-CSDN博客_pytorch安装教程

这里需要提醒一下：看了很多帖子说用清华源下载会下成CPU版本的，所以网速还ok的话建议还是不要换源，还有就是本人推荐使用pip安装（我conda安装经常会出一些莫名其妙的问题）

cuDNN和cuda toolkit安装：

CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客_cuda安装

LabelImg的安装：

图像标注工具labelImg安装教程及使用方法_望天边星宿的博客-CSDN博客_labelimg安装教程

项目来源

我参考的是GIthub上面大神的项目，星星非常多，要把他下载下来

链接：GitHub - yhenon/pytorch-retinanet: Pytorch implementation of RetinaNet object detection.

下载后解压，在pycharm中打开，结构如下：

环境配置

打开文件--设置--项目--python解释器，点击右上角的小齿轮：

选择Conda 环境--现有环境，然后在解释器那里按照路径选择我们安装好的conda pytorch环境，一般是：anaconda\eves\创建的虚拟环境名字（conda create -n 的名字）\phthon.exe，选择这个exe文件

这样解释器就配置好了

还需要设置终端的python解释器的环境，这一步很重要。因为后面我们需要使用指令在终端运行程序，如果不设置的话很容易出错，我一开始就是没有管这个，后来发现我的pytorch虚拟环境是python 3.9的，终端的python是3.10，完全不一样。而且在虚拟环境中已经调试好的torch.cuda.is_available=True，但是在终端中运行的时候却显示False，这些都是终端的解释器环境没有设置好导致的

直接按照下图来

在python解释器那里选择刚刚那个anaconda\eves\创建的虚拟环境名字（conda create -n 的名字）\phthon.exe，点击确定保存。然后打开终端，如果出现（环境名称）+项目路径就代表设置好了，如下图，我这里虚拟环境的名字是r2

这样有关环境的设置就调好了

使用LabelImg给图片打标签

在项目的文件夹下创建两个新的文件：

JPEGImages_original：用于存储我们下载好的原始图片

Annotations_original：用于存放我们对原始图片打好的标签

同时原来那个images文件夹可以删掉，本次用不上

然后就可以去网上下载图片了，一定一定要下载一样格式的！格式不统一的话后面代码会报错！！ 建议统一jpeg，保存路径就是那个JPEGImages

我这里下载的都是一些猫猫狗狗的，拿这个做检测比较直观，数量不一定要特别多，20来张左右差不多了，我们后面可以通过数据增强来增加样本的数量，后面会讲到

然后我们打开LabelImg，具体步骤是：在Anaconda prompt中cd 到labelimg所在的文件夹，然后输入

python labelImg.py

这样就打labelImg的界面了

其中

打开目录就选择我们存储原始图片的JPEGImages_original文件夹

改变存放目录选择Annotations_original文件夹

输出格式选择Pascal VOC格式，生成的就是xml文件

然后就可以点击“创建区块”对图像进行标注了，并写明该目标的类型

每标注完一张图像都要点击保存，然后用快捷键d跳到下一张

全部标注完成，就可以关闭labelImg，然后打开Annotations_original文件夹

已经生成好了对应的xml文件，里面存储的是我们刚刚打好的标签的信息

数据增强

数据增强简单来说就是对图像进行旋转，对称，融合，拼接，改变HSV通道参数等一系列操作，可以在已有数据集基础上生成更多的数据集

其原理也很好理解，对于我们人来说，你的面前有一只猫，我把它的上半身遮住，你依旧能根据一些特征判断出它是猫，我把它染个颜色，你依旧能认出它是猫，我让它倒立，你依旧能认出它是猫，我把它和一群狗放在一起，还是能认出它是猫

那么对于计算机来说，这些变换都是可以作为样本输入进行学习的

我这里采用的是Github上面一个项目，把他下载下来后解压到我们这个项目的文件夹下

GitHub - bubbliiiing/object-detection-augmentation: 这里面存放了一些目标检测算法的数据增强方法。如mosaic、mixup。

本次实验主要使用的是mixup方法和mosaic方法，其他的方法大家可以去自己找代码套用

mixup：就是图像融合，把很多张图融合到一起

mosaic：就是拼图，把几张图拼到一起，并改变其原有的HSV数值（亮度，色相，饱和度）

cutout：用一个任意大小的黑色的方块，把图像的某一部分遮住（图源自网友）

我们首先在项目下创建两个文件夹

JPEGImages_final：用于存储数据增强后的图片

Annotations_final：对图像进行数据增强需要连带把原有标签处理并标记到新的图像上，会生成新图像的标签信息

然后，重点来了

将这两个_final文件夹，替换掉VOCdevkit/VOC文件夹下的Annotations和JPEGImages文件夹

用之前两个_original文件夹，替换掉VOCdevkit_Origin/VOC文件夹下的Annotations和JPEGImages文件夹

接下来打开generate_mosaic.py，有一些参数需要修改，generate_mixup.py和generate_get_random_data.py都是同理，就不一一演示了

将代码中15，16行注释掉

在代码的68，69，71，72行，将输入，输出的路径改成_original文件夹和_final文件夹的绝对路径

为什么要修改的原因，是本人在实验中发现，如果使用源代码的相对路径，会出现输出空文件夹的情况，就是程序运行不会报错，但是结果不能存储到文件夹中，因此采用了绝对路径这种笨方法

接下来回到代码的21行，有一个

Out_Num是输出图像的数目，这个可以调大些，1000，2000都可以

input_shape是生成图像的大小，不建议修改

再去到代码的102，111，112行，这里有三个数据需要进行修改

如果你之前JPEGImages_original中的图像是jpg形式，就不需要修改，如果是jpeg的话，需要将图像修改成jpeg形式

然后就可以运行了，下面是结果

可以随便打开一个结果看一下

划分训练集，测试集

这里我使用的是站里一位大佬的代码，但是原帖子链接找不到了QAQ

import osimport xml.etree.ElementTree as ETimport randomimport mathimport argparsedef parse_args():parser = argparse.ArgumentParser()parser.add_argument('-i', '--indir', type=str)parser.add_argument('-p', '--percent', type=float, default=0.3)parser.add_argument('-t', '--train', type=str, default='train.csv')parser.add_argument('-v', '--val', type=str, default='val.csv')parser.add_argument('-c', '--classes', type=str, default='class.csv')args = parser.parse_args()return args#获取特定后缀名的文件列表def get_file_index(indir, postfix):file_list = []for root, dirs, files in os.walk(indir):for name in files:if postfix in name:file_list.append(os.path.join(root, name))return file_list#写入标注信息def convert_annotation(csv, address_list):cls_list = []with open(csv, 'w') as f:for i, address in enumerate(address_list):in_file = open(address, encoding='utf8')strXml =in_file.read()in_file.close()root=ET.XML(strXml)for obj in root.iter('object'):cls = obj.find('name').textcls_list.append(cls)xmlbox = obj.find('bndbox')b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text),int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text))f.write(file_dict[address_list[i]])f.write( "," + ",".join([str(a) for a in b]) + ',' + cls)f.write('\n')return cls_listif __name__ == "__main__":args = parse_args()file_address = args.indirtest_percent = args.percenttrain_csv = args.traintest_csv = args.valclass_csv = args.classesAnnotations = get_file_index('E:\pytorch-retinanet-master\object-detection-augmentation-main\VOCdevkit\VOC\Annotations_final', '.xml')Annotations.sort()JPEGfiles = get_file_index('E:\pytorch-retinanet-master\object-detection-augmentation-main\VOCdevkit\VOC\JPEGImages_final', '.jpg') #可根据自己数据集图片后缀名修改 这是你VOC数据集的JPEGImage的路径 每一人路径不一样 我一般用的就是绝对路径JPEGfiles.sort()assert len(Annotations) == len(JPEGfiles) #若XML文件和图片文件名不能一一对应即报错file_dict = dict(zip(Annotations, JPEGfiles))num = len(Annotations)test = random.sample(k=math.ceil(num*test_percent), population=Annotations)train = list(set(Annotations) - set(test))cls_list1 = convert_annotation(train_csv, train)cls_list2 = convert_annotation(test_csv, test)cls_unique = list(set(cls_list1+cls_list2))with open(class_csv, 'w') as f:for i, cls in enumerate(cls_unique):f.write(cls + ',' + str(i) + '\n')

还是一样的，使用绝对路径，改成你自己的，其他不用修改，这里的jpg不用改成jpeg

运行之后，会发现生成了三个.csv文件

class.csv存储了类的信息，也就是标签的目录

train，val分别存储了训练集和测试集的图像信息

模型训练

打开train.py文件，大致看看几个参数

最后一个default代表epoch的次数

先简单解释四个概念

Batch：就是我们中文里面所说的批，把样本数据分成很多批放入模型中进行训练

Batch_size：批大小，也就是一批数据中有多少张图片

Iteration：迭代，训练一批数据（一个batch）就是一次迭代

epoch：所有的样本都进行了一次卷积网络前向传播和一次反向传播

因为retinanet是一种基于Resnet卷积网络的目标检测算法，因此可以将epoch的次数调大些，并且不用担心由于训练次数过多而导致的拟合效果下降问题（这涉及到resnet的原理，这里不展开了）

为了演示成果，我这里暂且调为3

batch_size：也就是批大小，这个具体要根据你电脑的GPU性能来调整，我这台电脑是Nvidia-1050的显卡，经过测试证明最大的batchsize只能调到3，4开始就会报错提示显存不足。这里强烈建议大家使用GPU跑数据，不要用CPU，笔记本也是，我用这台电脑cpu跑的话，batchsize只能调为1，速度特别慢（关于怎么使用GPU，可以去看PyTorch的安装教程，还有在前面调试终端的环境有讲到解决cuda.is_available=false，也就是gpu用不了怎么解决的问题）

调完就可以开始在终端下开始训练了，在终端输入如下指令：

python train.py --dataset csv --csv_train <path/to/train_annots.csv> --csv_classes <path/to/train/class_list.csv> --csv_val <path/to/val_annots.csv>

把< >中的路径，换成刚刚生成的三个csv文件的绝对路径，下面这个是我的路径：

python train.py --dataset csv --csv_train E:\pytorch-retinanet-master\train.csv --csv_classes E:\pytorch-retinanet-master\class.csv --csv_val E:\pytorch-retinanet-master\val.csv

这里它会提醒下载一个关于resnet的pth文件，等待下载完成即可，速度可能会比较慢，也可以去网上提前下载好，然后直接放到项目的文件夹下面

然后就等待训练进行就行，一般来说前几个iteration不报错的话，后面都不会有问题，可以摸会儿鱼

在每完成一次训练集完成训练后，会对测试集进行测试，输出损失函数的数值

在训练完成后，会看到多出了几个文件

每完成一次epoch，就会生成一个权重文件，在最终完成后还会生成一个最终的权重文件，我们要使用的就是这个

将验证集结果可视化

在visualize.py代码的41行需要做如下修改

因为我们此时需要带入的是val验证集，不是train训练集

在visualize.py的终端中输入如下指令：

python visualize.py --dataset csv --csv_classes <path/to/train/class_list.csv> --csv_val <path/to/val_annots.csv> --model <path/to/model.pt>

跟前面一样，要把对应csv，还有权重文件.pt的绝对路径改进去

然后就会有结果出来了