基于计算机视觉手势识别控制系统YoloGesture (利用YOLO实现) 有详细代码+部署+在线服务器尝试+开源可复现
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
基于计算机视觉手势识别控制系统YoloGesture (利用YOLO实现)
Streamlit在线服务器体验网址 https://kedreamix-yologesture.streamlit.app/
HuggingFace在线服务器体验网址https://huggingface.co/spaces/Kedreamix/YoloGesture
为了解答大家的问题我录了个视频大家也可以看看https://www.bilibili.com/video/BV1LV4y1d7pg/如果有问题可以在github上给我发issue进行探讨也欢迎大家给我提PR
文章目录
1. 项目已完成的部分
- 数据集的构建
- 代码的基本运行和训练
- 增加数据集 800 -> 1600
- 利用Mosaic数据增强但是结果不好之后训练不会采用除非数据足够多
- 增加yaml文件利用yaml配置所有参数
- 提高图片的输入shape从256x256 -> 416x416
- 由于结果不理想使用部分自制数据集替换数据集总数不变
- 添加yolov4 tiny 轻量化模型
- 增加注意力机制可以比轻量化模型得到更不错的结果
- 使用MobileNet作为backbone轻量化模型
- 使用yolov5 或者 yolox 改进方法
2. 部分尝试结果
- 使用Mosaic 结果较差
- 在运行过程中结果十分差原因是数据集标注出现错误会重新修改数据集
- 用SGD的结果没有Adam好
- front的数据集需要重新修改才能得到更好的结果
- 使用tiny模型速度更快结果虽然差一点但是只是一个速度与精度的trade off
3. 项目整体框架
1、 了解项目研究的背景以及其意义学习其中的创新点和科研价值。
2、 使用python语言对项目中的代码进行编写。研究项目源代码理解项目工程的代码结构、原理及其功能。
3、 学习深度学习算法。理解卷积神经网络的相关概念包括神经元系统、局部感受野、权值共享和卷积神经网络总体结构了解目前常见的目标检测方法和YOLOv4算法框架以及基于YOLOv4的手势识别算法。
4、 设计并制作针对本项目手势控制数据集并使用数据增广的方式对数据集进行扩充同时使用图像处理的方法包括中值滤波、阈值分割等对数据进行预处理。
5、 训练模型对目标检测性能进行测试。了解实验环境以及评价标准测试本项目研究的手势识别算法的实验结果然后通过采用控制变量方法对手势识别算法进行多组实验以评估其在不同环境下的识别效果使用验证集对手势识别算法的精度和速度进行性能测试。
6、 总结本项目的研究工作对基于无人机的手势识别演剧提供创新点与发展建议。
3.1. 数据集构建
- 设计并制作针对本项目手势控制数据集对数据集进行分类。
- 使用Labelimg标注工具设计针对本项目的手势数据集对数据集进行标注。
3.2. 模型选择
在前期的模型选择中简单的选择了YOLOv4的模型进行训练和测试
YOLOv4 = CSPDarknet53主干 + SPP 附加模块颈 + PANet 路径聚合颈 + YOLOv3头部
3.3. 代码实现
- 主干特征提取网络DarkNet53 => CSPDarkNet53
- 特征金字塔SPPPAN
- 训练用到的小技巧Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减
- 激活函数使用Mish激活函数
- 增加yaml配置文件只需要修改配置文件即可
- 添加detect.py利用此进行半自动标注可以方便标注其他类似于对应的数据集
- 修改成命令行运行的快速模式很方便快速运行和理解
- 利用streamlit部署到服务器上可以随时使用在线demo https://kedreamix-yologesture.streamlit.app/
- …
4. 实验结果详情
训练数据集 | 权值文件名称 | 迭代次数 | Batch-size | 图片shape | 平均准确率 | mAP 0.5 | fps |
---|---|---|---|---|---|---|---|
Gesture v1 | yolo4_gesture_weights.pth | 150 | 4->8 | 256x256 | 61.65 | 51.66 | |
Gesture v2 | yolo4tiny_gesture_SE.pth | 100 | 64->32 | 416x416 | 83.6 | 95.18 | 76.08 |
Gesture v2 | yolo4tiny_gesture_CBAM.pth | 100 | 64->32 | 416x416 | 89.35 | 98.85 | 70.01 |
Gesture v2 | yolo4tiny_gesture_ECA.pth | 100 | 64->32 | 416x416 | 88.37 | 96.26 | 77.19 |
Gesture v2 | yolo4tiny_gesture.pth | 100 | 64->32 | 416x416 | 87.01 | 95.86 | 81.81 |
Gesture v2 | yolo4_gesture_weightsv2.pth | 100 | 4->8 | 256x256 | 84.51 | 90.77 | 24.21 |
Gesture v3 | yolov4_tiny.pth | 150 | 64->32 | 416x416 | 75.05 | 91.30 | |
Gesture v3 | yolov4_SE.pth | 150 | 64->32 | 416x416 | 78.06 | 90.13 | |
Gesture v3 | yolov4_CBAM.pth | 150 | 64->32 | 416x416 | 91.09 | 94.97 | |
Gesture v3 | yolov4_ECA.pth | 150 | 64->32 | 416x416 | 94.58 | 83.24 | |
Gesture v3 | yolov4_weights_ep150_416.pth | 150 | 64->32 | 416x416 | 95.145 | 98.35 | |
Gesture v3 | yolov4_weights_ep150_608.pth | 150 | 64->32 | 608x608 | 93.64 | 97.23 |
Gesture v1中存在数据集问题所以模型结构不好
Gesture v2中重新修改数据集
Gesture v3中修改front数据集
Batch-Size 64->32是指在进行训练的时候前半段冻结的时候使用的bs为64在后续不冻结训练使用bs=32
4.1. 训练权重文件下载
训练所需的yolo4_weights.pth有两种方式下载。release包含所有过程的权重百度网盘和奶牛只记录最新的权重
-
可以从我的release下载权重
-
也可以百度网盘下载
链接https://pan.baidu.com/s/1Pt11VHMaHqSsPjb50W5IeQ
提取码6666 -
由于百度网盘下载速度较慢这里也给一个不限速的链接 永久有效
传输链接https://cowtransfer.com/s/dc5e0f7f43a940 或 打开【奶牛快传】cowtransfer.com 使用传输口令ftyvu0 提取
4.2. 数据集概况
- Gesture v1 只有800张图片数量较少
- Gesture v2 增加了800张图片数量增多一共1600张图片
在运行过程中结果十分差原因是数据集标注出现错误会重新修改数据集
- Gesture v3 中修改了front的手势使得front结果大大提升平均准确率增大
上述展示图是关于Gesture v1的手势后续数据进行了修改
整体数据集一共含有1600张8个类别的手势我的Gesture v3最后就是8个类别大概1600张的数据集类别分别是
- up
- down
- left
- right
- front
- back
- clockwise
- anticlockwise
数据已经放在release中了可以下载自用
之后我也做了类似的手势识别的任务里面的数据集有18个类别 HaGRID手势识别数据集里面的手势结果更多并且也更大总共有716G建议可以缩小以后进行训练增强如果有机会我可以拿一个多类别的我也来训练一下
以下是HaGRID的手势识别的类别支持更多的手势识别的结果这是官方下载地址https://github.com/hukenovs/hagrid
5. 环境配置
我用的是torch1.8.1 torchvision0.9.1
代码在更高的版本也是适配的我觉得可能去>=1.7的应该都是可以的
相对应的库可以直接利用以下代码在当前路径进行运行利用清华源进行换源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
6. 快速运行代码
以下可以在命令行中运行在命令行运行可能会更好一点
Installgit clone https://github.com/Kedreamix/YoloGesture.git
cd YoloGesture
pip install -r requirements.txt # -i https://pypi.tuna.tsinghua.edu.cn/simple/ # install 可以加上清华源
Data 这一部分会生成两个文件分别是2007_train.txt和2007_val.txt在每一行包括了图片路径和对应的标签之后代码会读取文件夹VOCdevkit/VOC2007下的图片和标签
python voc_annotation.py
Optional 可选yolov4有对anchors进行Kmeans计算但是用yolov4自带的也可以这一部分是可选择的做完有一个可视化的结果
python kmeans_for_anchors.py
Training
我们可以在里面设置所需要的参数phi代表着不同的注意力机制weights代表着权重其他的是我们的一些参数的设置都是可调的参数的部分解释都可以从python train.py --help看到
usage: train.py [-h] [--init INIT] [--epochs EPOCHS] [--weights WEIGHTS]
[--freeze] [--freeze-epochs FREEZE_EPOCHS]
[--freeze-size FREEZE_SIZE] [--batch-size BATCH_SIZE]
[--optimizer {sgd,adam,adamw}] [--num_workers NUM_WORKERS]
[--lr LR] [--tiny] [--phi PHI] [--weight-decay WEIGHT_DECAY]
[--momentum MOMENTUM] [--save-period SAVE_PERIOD] [--cuda]
[--shape SHAPE] [--fp16] [--mosaic]
[--lr_decay_type {cos,step}] [--distributed]
optional arguments:
-h, --help show this help message and exit
--init INIT 从init epoch开始训练
--epochs EPOCHS epochs for training
--weights WEIGHTS initial weights path 初始权重的路径
--freeze 表示是否冻结训练
--freeze-epochs FREEZE_EPOCHS
epochs for feeze 冻结训练的迭代次数
--freeze-size FREEZE_SIZE
total batch size for Freezeing
--batch-size BATCH_SIZE
total batch size for all GPUs
--optimizer {sgd,adam,adamw}
训练使用的optimizer
--num_workers NUM_WORKERS
用于设置是否使用多线程读取数据
--lr LR Learning Rate 学习率的初始值
--tiny 使用yolov4-tiny模型
--phi PHI yolov4-tiny所使用的注意力机制的类型
--weight-decay WEIGHT_DECAY
权值衰减可防止过拟合
--momentum MOMENTUM 优化器中的参数
--save-period SAVE_PERIOD
多少个epochs保存一次权重
--cuda 表示是否使用GPU
--shape SHAPE 输入图像的shape一定要是32的倍数
--fp16 是否使用混合精度训练
--mosaic Yolov4的tricks应用 马赛克数据增强
--lr_decay_type {cos,step}
cos
--distributed 是否使用多卡运行
这里对一些常用参数进行解释
-
fp16
由于训练神经网络有时候得到的权重的精度都是64位或者32位的保存和训练的时候都占了很多显存但是有时候这些是不必要的所以可以利用fp16将精度设为16位这样大概可以减少一半的显存
-
phi
这里解释一下phi = 0代表的是yolov4_tiny也就是改进的轻量化yolov4而phi = 1,2,3分别是加了SECBAMECA三种注意力机制得到的结果。具体对SECBAMECA注意力机制不懂的可以看看这篇博文我觉得写的蛮好的https://blog.csdn.net/weixin_44791964/article/details/121371986这里不过多介绍。
-
freeze
除此之外可以从下面的代码看出我们可以冻结进行迁移学习也可以选择不冻结通过参数freeze来控制还可以控制冻结次数的冻结时的batch-size冻结的时候可以把batch-size调高一点并且还可以调一下freeze-epochs参数和freeze-size参数
如果对于不同模型训练的不动的可以看看下面的训练预测细节解释
# 冻结进行迁移学习利用已有的yolov4_SE.pth的权重进行
python train.py --tiny --phi 1 --epochs 100 \
--weights model_data/yolov4_SE.pth \
--freeze --freeze-epochs 50 --freeze-size 64 \
--batch-size 32 --shape 416 \
--fp16 --cuda
# 快速运行尝试重新学习
python train.py --tiny --phi 1 --epochs 10 \
--batch-size 4 --shape 416 \
--fp16 --cuda
在后续为了简化操作不用打那么多的字母还进行了缩写的修改把–freeze简化成-f–weights 简化成 -w, --freeze-epochsj简化成-fe–freeze-size 简化成fb --batch-size简化成-bs这是为了方便运行的时候设置参数
这段代码和上面是等价的
# 冻结进行迁移学习
python train.py --tiny --phi 1 --epochs 100 \
-w model_data/yolov4_SE.pth \
-f -fe 50 -fs 64 \
--bs 32 --shape 416 \
--fp16 --cuda
# 快速运行尝试重新学习
python train.py --tiny --phi 1 --epochs 10 \
--batch-size 4 --shape 416 \
--fp16 --cuda
Predict
predict也有一些参数比如以什么模式运行分别有[‘dir_predict’, ‘video’, ‘fps’,‘predict’,‘heatmap’]默认是用predict来推理img文件夹下的所有图片
# python predict.py --mode dir_predict \
# --tiny --phi 1 \
# --weights model_data/yolov4_SE.pth \
# --cuda --shape 416
python predict.py --tiny --cuda
Get Map
这一部分可以得到召回率和精确率等可视化的图片可以清晰的看到结果
# 对验证集进行计算
# python get_map.py --mode 0 \
# --tiny --phi 1 \
# --weights model_data/yolov4_SE.pth \
# --cuda --shape 416
# python .\get_map.py --cuda --mode 0 --tiny --phi 3 --weights model_data/yolotv4_ECA.pth
python get_map.py --tiny --cuda
所有的参数都可以通过通过help看到解释
python train.py -h
python get_map.py -h
python predict.py -h
除此之外如果有多个GPU需要设定指定的GPU在python前加上配置CUDA_VISIBLE_DEVICES=3表示使用第四块GPU
# 比如使用第4块GPU
CUDA_VISIBLE_DEVICES=3 python train.py ...
或者是多块GPU比如有01两块GPU
# 比如使用第0,1块GPU
CUDA_VISIBLE_DEVICES=0,1 python train.py ...
7. 训练预测细节解释
7.1. 训练配置文件重点
这个重中之重在model_data文件夹下有一个yaml文件里面包括部分需要运行的参数
只需要调节里面的参数然后运行就可以得到我们的结果完全是ok的只需要改配置文件其他参数可以在命令行修改直接运行也是可以使用的下面会详细介绍主要是修改train.py的部分因为这样可以方便我们训练
#------------------------------detect.py--------------------------------#
# 这一部分是为了半自动标注数据可以减轻负担需要提前训练一个权重以Labelme格式保存
# dir_origin_path 图片存放位置
# dir_save_path Annotation保存位置
# ----------------------------------------------------------------------#
dir_detect_path: ./JPEGImages
detect_save_path: ./Annotation
# ----------------------------- train.py -------------------------------#
nc: 8 # 类别的数量
classes: ["up","down","left","right","front","back","clockwise","anticlockwise"] # 类别
confidence: 0.5 # 置信度
nms_iou: 0.3
letterbox_image: False
lr_decay_type: cos # 使用到的学习率下降方式可选的有step、cos
# 用于设置是否使用多线程读取数据
# 开启后会加快数据读取速度但是会占用更多内存
# 内存较小的电脑可以设置为2或者0win建议设为0
num_workers: 4
7.2. 训练自己数据集
-
数据集的准备
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。 -
数据集的处理
在完成数据集的摆放之后我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。
修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_pathclasses_path用于指向检测类别所对应的txt。然后再前面所说的data.yaml中写清楚自己的类别以及类别的数量
nc: 8 # 类别的数量 classes: ["up","down","left","right","front","back","clockwise","anticlockwise"] # 类别
-
开始网络训练
之后根据快速运行train.py运行train.py开始训练了在训练多个epoch后权值会生成在logs文件夹中可以自己设迭代次数保存权重如上述快速运行即可。
这里面我内置了5个模型分别是最原始的yolov4模型以及yolov4-tinyyolov4-SEyolov4-ECAyolov4-CBAM四种模型这四种模型都可以进行训练其中yolov4-tinyyolov4-SEyolov4-ECAyolov4-CBAM都属于小模型所以认为是tiny模型得到的权重也比较小速度也会比较快这几种方式有不同的参数我现在简单的介绍我用tiny和phi的参数对他们进行分开
- phi = 0 yolov4-tiny
- phi = 1 yolov4-SE
- phi = 2 yolov4-CBAM
- phi = 3 yolov4-ECA
# yolov4 模型 python train.py --epochs 10 --shape 416 --cuda --batch-size 4 # yolov4-tiny python train.py --epochs 10 --shape 416 --cuda --batch-size 8 --tiny --phi 0 # yolov4-SE python train.py --epochs 10 --shape 416 --cuda --batch-size 8 --tiny --phi 1 # yolov4-CBAM python train.py --epochs 10 --shape 416 --cuda --batch-size 8 --tiny --phi 2 # yolov4-ECA python train.py --epochs 10 --shape 416 --cuda --batch-size 8 --tiny --phi 3
如果还要做其他参数对也可以看到快速运行代码的训练部分进行增加一些参数
-
训练结果预测
训练结果预测需要用到两个文件分别是yolo.py和predict.py。
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。 可以自己设置模式得到结果
7.3. 使用Tensorboard可视化结果
在我们训练的过程中我们可以用TensorBoard实时查看训练情况也可以看到训练的网络模型结构非常方便
只需要在我们的文件夹的命令行下运行
tensorboard --logdir='logs/'
之后大概我们的6006端口就可以实时看到我们的结果即是https://localhost:6006
如果是使用Ubuntu有可能会出现一些bug所以需要进行一些操作因为会显示无法找到命令
这时候首先需要找到TensorBoard在库的哪里
pip show tensorboard
这样子就能看到自己tensorboard下载的路径
然后找到TensorBoard的文件夹下找到main.py文件就可以进行了利用绝对路径就可以了
python .../python3.8/site-packages/tensorboard/main.py --logdir='logs/'
7.4. 预测步骤
-
下载完库后解压在百度网盘后者其他地方下载yolo_gesture_weights.pth放入model_data运行predict.py调整权重路径
在predict.py中事先设置了
dir_predict
表示遍历文件夹进行检测并保存。默认遍历img文件夹保存img_out文件夹这样就可以在img_out中得到文件有很多种模式可以通过mode来调节这一部分还可以设置参数我们都可以从help里看到
predict.py -h usage: predict.py [-h] [--weights WEIGHTS] [--tiny] [--phi PHI] [--mode {dir_predict,video,fps,predict,heatmap,export_onnx}] [--cuda] [--shape SHAPE] [--video VIDEO] [--save-video SAVE_VIDEO] [--confidence CONFIDENCE] [--nms_iou NMS_IOU] optional arguments: -h, --help show this help message and exit --weights WEIGHTS initial weights path --tiny 使用yolotiny模型 --phi PHI yolov4tiny注意力机制类型 --mode {dir_predict,video,fps,predict,heatmap,export_onnx} 预测的模式 --cuda 表示是否使用GPU --shape SHAPE 输入图像的shape --video VIDEO 需要检测的视频文件 --save-video SAVE_VIDEO 保存视频的位置 --confidence CONFIDENCE 只有得分大于置信度的预测框会被保留下来 --nms_iou NMS_IOU 非极大抑制所用到的nms_iou大小
如果下载了权重于路径model_data/yolov4_tiny.pth默认是文件夹中的图片模式运行我们就可以直接运行得到结果
python predict.py --tiny --phi 0 --weights model_data/yolov4_tiny.pth
-
在predict.py里面进行设置可以进行fps测试和video视频检测。 这一部分可以自己尝试
这一部分只要设置一下路径和视频即可分别有多种模式
7.5. 评估步骤
-
本文使用VOC格式进行评估。
-
如果在训练前已经运行过voc_annotation.py文件代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例默认情况下 训练集:验证集 = 9:1。
-
利用voc_annotation.py划分测试集
-
运行get_map.py即可获得评估结果评估结果会保存在map_out文件夹中。
8. Streamlit 项目部署
经过上述学习过程最后我利用streamlit进行了项目部署可以在本地部署也可以在云端部署代码已经上传的了并且我最后部署到了streamlit的服务器中大家都可以在线体验 https://kedreamix-yologesture.streamlit.app/然后选择“Run the app”即可不需要过多的操作云端服务器会会自动从我的release中下载模型所以这个不用担心。
关于streamlit的一些方法可以看一下我另一篇博客也有对应的github链接那个简单一点https://redamancy.blog.csdn.net/article/details/121788919
8.1. 本地运行
打开命令行运行以下代码记住首先进行pip install streamlit
streamlit run gesture.streamlit.py
运行之后打开的 https://localhost:8501 就可以看到自己的streamlit的界面了
8.2. 检测方法
在这个部署界面中我一共设了几种方式分别是
测试模型方式 | 测试方式描述 |
---|---|
Example | 已有一部分数据在服务器的文件夹里可以读取进行检测 |
Image | 可以自主上传对应的图片进行检测 |
Camera | 利用电脑摄像头进行检测对摄像头进行拍照然后可以检测fpsheatmap |
FPS | 上传一张图片进行FPS |
Heatmap | 进行一个热力图的检测可以看到模型关注哪一部分 |
Real Time | 实时检测可能这一部分在云服务器有点bug可能要在自己电脑下才能正常运行云端不可用 |
Video | 传入视频进行检测 |
8.3. 选择模型以及参数
并且在下面的部分也设置了几个参数首先是使用的模型根据前面所说的一共有五种模型并且可以调节传入的shape这里注意一下如果选择tiny模型要勾选☑️使用tiny模型要不默认全是yolov4模型然后tiny模型的shape统一只有416只有yolov4模型有一个608和416可以根据自己的情况选择。
除此之外还可以调节一下confidence和nms的参数默认分别是0.5和0.3这个是可以通过滑动杆来修改的
9. 参考Reference
- https://github.com/bubbliiiing/yolov4-pytorch
- https://github.com/qqwweee/keras-yolo3/
- https://github.com/Ma-Dan/keras-yolo4
10. 代码权重可复现已开源求
所有的上述代码权重全部可复现已经全部开源有需要可以自取https://github.com/Kedreamix/YoloGesture
有问题欢迎在issue中讨论最后创作不易给我个星星吧哈哈哈star一下
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |