数据科学工具包：手把手用YOLO做目标检测

点击上方“蓝字”关注“AI开发者”

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关注。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。【注：文章动图较多，请耐心等待加载。】
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，这是一个很好的方法。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，它是第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网络的基础上，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，创建模型的第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，在我的第一个项目——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。最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。

project

 └──dataset

    ├── class_names.txt

    ├── images

    │   ├── image_1.png

    │   ├── image_2.png

    │   └── image_3.png

    │       ...

    └── labels

        ├── image_1.txt

        ├── image_2.txt

        └── image_3.txt

            ...

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 JSON 或其他广泛使用的格式解析标签的需要，我们将利用 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。

4 0.360558 0.439186 0.068327 0.250741

7 0.697519 0.701205 0.078643 0.228243

3 0.198589 0.683692 0.076613 0.263441

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。

project

 ├── dataset

 └── yolov3

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）。最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。