作为目前机器学习领域最火热的研究方向之一，计算机视觉相关的技术一直备受。其中，目标检测是计算机视觉领域常见的问题之一，如何平衡检测的质量和算法的速度很重要。对于这个问题，计算机视觉工程师、VirtusLab 创始人 Piotr Skalski 发表了自己的心得，分享了关于他最喜欢的计算机视觉算法 YOLO 的实践资料。以下便是他的全文。

前言

YOLO 是我最喜欢的计算机视觉算法之一，在很长一段时间里，我计划着专为它写一篇博文。然而，我不希望它成为另一篇详细解释 YOLO 背后工作原理的文章，网上有很多文章都很好地涵盖了它理论方面的知识。除此之外，如果你想加深对这个架构的理解，直接从源代码获取信息并阅读源文件（https://arxiv.org/abs/1506.02640）也是一个好主意。

基于 YouTube-8M 数据集的篮球场球员移动检测

这一次，我将向你展示如何快速地、以相对较低的代价和不那么强大的机器创建目标检测模型，这个模型能够检测任何你选择的对象。如果你需要在工作中快速测试你的想法，或者只是有一小段时间建立在家构建你的项目，这是一个很好的 *** 。去年，我有机会进行了几个这样的实验，本文中出现的所有可视化结果都是出自这些项目。

注意：这一次，我们将主要使用开源库和工具，因此我们网站上的编码量将是最小的。但是，为了鼓励你使用 YOLO 并为你的项目提供一个起点，我还提供了脚本，允许你下载我的预训练模型以及所有配置文件和测试数据集。像往常一样，你会在我的 GitHub 上找到所有的内容：https://github.com/SkalskiP/ILearnDeepLearning.py/tree/master/02_data_science_toolkit/02_yolo_object_detection。

YOLO

所有不知道 YOLO 是什么的人不要担心，也不要去任何地方找资料！我现在简要地解释一下我说的是什么。

YOLO 是一种实时目标检测算法，它是之一个平衡所提供检测的质量和速度的算法。通常，这类最强大的模型，都是建立在卷积神经 *** 的基础上，这次也不例外。所谓「目标检测模型」，我们的意思是，我们不仅可以用它来找出给定照片中存在的对象，还可以用它来指示它们的位置和数量。除其他外，这种模型在机器人和汽车工业中都有应用，因此检测速度至关重要。自2015年以来，该算法已经进行了三次迭代，还有为 TinyYOLO 等移动设备设计的变体。移动版本的精度有限，但计算要求也较低，运行速度更快。

数据集

和深度学习一样，创建模型的之一步是准备一个数据集。有监督的学习是查看标记的示例并在数据中发现不明显的模式。我必须承认创建一个数据集是一个相当乏味的任务，因此我准备了一个脚本，允许你下载我的象棋数据集，并查看 YOLO 如何在这个例子中工作。

但那些想要建立自己的数据集的人面临着挑战。为了实现这个目标，我们需要收集一组图像并创建匹配的标签文件。图片应该包含我们想识别的对象，并且，数据集中所有对象的类的分布应该类似。如你所见，在我的之一个项目——篮球探测器中，我使用了游戏视频中的框架。

篮球数据集的图像样本

标签文件应该与图像具有相同的名称，但显然具有不同的扩展名，并且应该位于并行目录中。更佳数据结构如下所示。除了 images 和 labels 目录之外，我们还必须准备 class_names.txt 文件，该文件定义我们计划检测的对象类的名称。这个文件的每一行代表一个类，应该包含一个或多个没有空格的单词。

标记

不幸的是，YOLO 需要一个特定的标签格式，这是大多数免费标签工具不支持的。为了消除从 VOC XML、VGG *** ON 或其他广泛使用的格式解析标签的需要，我蓝盟超越网们将利用 makesense.ai（https://www.makesense.ai/），这里是我在 GitHub 上开发的一个免费开源项目（https://github.com/SkalskiP/make-sense）。编辑器不仅支持直接导出到 YOLO 格式，而且直观，不需要安装，可以在浏览器中工作。此外，它还支持多种功能，旨在加快你的标签工作。可以使用 MakeSense 查看人工智能支持的标记过程。

AI 支持使用 makesense.ai 进行标记

工作完成后，我们可以下载一个 .zip 文件，其中包含 .txt 文件。每一个这样的文件都对应于一个标记的图像，并描述照片中可见的对象。如果我们打开其中一个文件，我们会发现，每一行都是 class_idx x_center y_center width height 式。其中 class_idx 表示 class_names.txt 文件中指定标签的索引（从 0 开始计数）。其余参数描述围绕单个对象的边界框，它们可以取 0 到 1 之间的值。幸运的是，大多数时候我们不需要考虑这些细节，因为编辑器会为我们处理所有的事情。YOLO 格式的标签示例如下所示。

环境设置

YOLO 最初是在一个叫做 Darknet 的深度学习的小框架中写的。从那时起，许多其它实现已经创建，其中大多数使用两个非常流行的 Python 平台：Keras 和 PyTorch。在所有可用的解决方案中，有一个是我特别喜欢的（https://github.com/ultralytics/yolov3）。它提供了一个用于训练和检测的高级 API，但也具有很多有用的特性。在使用它时，我们的所有工作归结为准备一个数据集和创建几个配置文件，然后其余的工作就交给库了。

环境设置也非常简单——可以归结为运行几个命令，你可以在下面找到这些命令（假设你的计算机上已经安装了 Python 和 Git）。更好从项目目录中执行命令，以实现上面所示的结构。值得一提的是，环境也可以通过 Docker 创建（这对 Windows 用户特别有用）。你可以在这里（https://github.com/ultralytics/yolov3/wiki/Docker-Quickstart）找到更多关于这个主题的说明。

# Clone framework

git clone https://github.com/ultralytics/yolov3.git

# Enter framework catalogue [Linux/MacOS]

cd ./yolov3

# Setup Python environment

pip install -U -r requirements.txt

配置

如前一段所述，我们现在需要做的就是创建几个配置文件。它们定义了训练集和测试集的位置、对象类的名称，并提供了所用神经 *** 的架构指南。

国际象棋数据集标注参考图片

首先，我们需要将数据集分割成训练集和测试集。我们使用两个 .txt 文件来完成这项工作，它们中的每一个都包含指向数据集中特定图像的路径。为了加快工作速度，我准备了一个 Python 脚本，它将自动为我们创建这些文件。你只需指示数据集的位置并定义训练集和测试集之间的分割百分比。train.txt/test.txt 文件的片段如下所示。

./dataset/images/image_1.png

./dataset/images/image_2.png

./dataset/images/image_3.png

…

.data 是我们需要提供的最终文件。让我们用下一个项目的例子来讨论它的内容——象棋检测器。在本例中，我有蓝盟超越网 12 个惟一的对象类想要识别。接下来，我们给出定义哪些照片属于训练集，哪些照片属于测试集的文件的位置，最后给出前面讨论的带有标签名称的文件的位置。为了使一切正常工作，chess.data、chess_train.txt、chess_test.txt 和 chess.names 文件应移动到 project/yolov3/data 目录。

classes=12

train=./data/chess_train.txt

valid=./data/chess_test.txt

names=./data/chess.names

训练

现在我们准备开始训练。如前所述，我们使用的库有一个高级 API，因此终端中的一个命令和几个参数就足以启动这个过程。然而，在下面还有几件大大增加我们取得最终成功的几率的事情。

python3 train.py

–data ./data/project.data

–cfg ./cfg/project.cfg

–weights ./weights/yolov3.pt

首先，我们可以应用迁移学习，我们不必从头开始训练。我们可以使用在不同数据集上训练的模型的权重，从而缩短我们自己的 *** 的学习时间。我们的模型可以使用基本的形状知识，并专注于将这些信息链接到我们想要识别的新类型的对象。其次，库执行数据增强，因此它根据我们提供的照片生成新的示例。因此，即使我们只有一个很小的数据集——几百张图片，我们也可以训练我们的模型。我们蓝盟超越网使用的库还为我们提供了一个由于增强而创建的图像示例。下面你可以看到在我的篮球探测器的训练过程中创建的示例。

训练集数据增强的可视化

检测

最后，快乐的时刻来了！我们致力于创建模型的工作得到了回报，现在可以用它来找到我们在任何照片中想要寻找的对象。同样地，这是一个非常简单的任务，我们可以用终端中的一个简单命令来完成。执行之后，我们将在输出目录中找到预测的结果。值得一提的是，我们还可以对自己拍摄的视频进行实时预测，这在项目演示中尤其有用。

python3 detect.py

–data ./data/project.data

–cfg ./cfg/project.cfg

–weights ./weights/best.py

–source ./data/sample

基于 TinyYOLO 的象棋检测

结论

如果你完成了上面的所有内容，那么恭喜你！非常感谢你花时间阅读这篇文章。我希望我能证明训练你自己的定制 YOLO 模型并不困难，我的建议将对你未来的实验有所帮助。

via：https://towardsdatascience.com/chess-rolls-or-basketball-lets-create-a-custom-object-detection-model-ef53028eac7d