当前位置： 首页 > news >正文

yolov6实现遥感影像目标识别|以DIOR数据集为例

news 来源：原创 2024/6/25 14:20:04

alt 1

目标检测是计算机视觉领域中的一项重要任务，它的目标是在图像或视频中检测出物体的位置和类别。YOLO（You Only Look Once）是一系列经典的目标检测算法，最初由Joseph Redmon等人于2016年提出。YOLO算法具有快速、简单、端到端的特点，并且在速度和准确率上取得了很好的平衡，因此受到了广泛的关注和应用。

YOLO系列算法的核心思想是将目标检测问题转化为一个回归问题。它将整个图像分成一个固定大小的网格，每个网格负责检测该网格内的物体。YOLO算法在每个网格上预测多个边界框（bounding box），以及每个边界框所属的物体类别以及置信度分数。

YOLO算法系列有多个版本，包括YOLOv1、YOLOv2（也称为YOLO9000）、YOLOv3和YOLOv4等。每个版本都在YOLO的基础上进行了改进，提高了检测精度、速度和通用性。

「今天我们将实现YOLO V6的遥感影像目标检测。」

YOLO V6

YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平台的部署，极大地简化工程部署时的适配工作。目前，项目已开源至 Github。

解决的问题：

RepVGG提出的结构重参数化方法表现良好，但在此之前没有检测模型使用。作者认为RepVGG的block缩放不合理，小模型和大模型没必要保持相似网络结构；小模型使用单路径架构，大模型就不适合在单路径上堆参数量。

使用重参数化的方法后，检测器的量化也需要重新考虑，否则因为训练和推理时的结构不同，性能可能会退化。

前期工作很少关注部署。前期工作中，推理是在V100等高配机器完成的，但实际使用时往往用T4等低功耗推理gpu，作者更关注后者的性能。

针对网络结构的变化，重新考虑标签分配和损失函数。

对于部署，可以调整训练策略，在不增加推理成本的情况下提升性能，如使用知识蒸馏。

具体实现：

网络设计

在one-satge的目标检测网络中，Backbone决定了表征能力，也很大程度上影响了参数量和推理效率；Neck主要作用是聚合高低层次的语义信息；Head由几个卷积层组成，负责预测最终结果。

考虑到硬件推理的因素，YOLOv6提出两个可缩放的可重参数化的Backbone和Neck来适应不同大小的模型，还提出一个使用混合通道策略的高效解耦头，总体网络结构如下：

alt

BackBone

在分类性能上，多分支网络相比单分支表现更好，但随并行性降低，其推理速度减慢。RepVGG的结构重参数化方式，采用多分支训练和单分支推理，达到了较好的精度-速度权衡。 alt YOLOv6设计了可重参数化的Backbone并命名为EfficientRep。对于小模型，backbone的主要组成部分是训练阶段的 RepBlock，如图2（a）所示。在推理阶段，RepBlock转换为3×3卷积层+ReLU激活函数的堆叠（记为 RepConv），如图2（b）所示。因为3*3卷积在CPU和GPU上优化和计算密度都更好，所以在增强表征能力的同时，可以有效利用计算资源同时增加推理速度。 然而随模型容量增加，单路径模型的计算代价和参数量呈指数级提升，所以改用CSPStackRep Block作为中大型网络的Backbone，如图2（c）所示。CSPStackRep Block由三个1×1卷积和两个带残差连接的RepVGG block(训练使用)或RepConv(推理使用)组成的模块堆叠。可以在不增加计算成本的前提下提升性能，做到准确率和速度的权衡。

Neck

集成多尺度的特征是检测模型常用且有效的手段，YOLOv6也不例外，在PAN的基础上，把CSPBlock替换为RepBlock(小模型使用)或CSPStackRep Block(大模型使用)，并调整宽度和深度，将YOLOv6的颈部命名为Rep-PAN。

Head

YOLOv5的检测头在分类和回归上共享参数，而FCOS和YOLOX将两个分支解耦，在每个分支中引入两个额外3×3卷积层提高性能。YOLOv6则采用混合通道策略构建高效解耦头，即中间3*3卷积只使用一个，Head的宽度由Backbone和Neck的宽度因子共同缩放，从而进一步降低了计算成本和延迟。此外，YOLOv6使用基于锚点的Anchor free方式，预测锚点到边界框四周的距离。

源码

源码地址；https://github.com/meituan/YOLOv6

安装

git clone https://github.com/meituan/YOLOv6
cd YOLOv6
pip install -r requirements.txt

DIOR数据集

「DIOR」由23463张最优遥感图像和190288个目标实例组成，这些目标实例用轴向对齐的边界框手动标记，由192472个轴对齐的目标边界框注释组成。数据集中图像大小为800×800像素，空间分辨率为0.5m ~ 30m。该数据集分为训练验证集（11725张图像）和测试集（11738张图像）。 「DIOR」是一个用于光学遥感图像目标检测的大规模基准数据集。涵盖20个对象类。这20个对象类是飞机、机场、棒球场、篮球场、桥梁、烟囱、水坝、高速公路服务区、高速公路收费站、港口、高尔夫球场、地面田径场、天桥、船舶、体育场、储罐、网球场、火车站、车辆和风磨。 论文地址：Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark

数据集处理

由于dior数据集是voc格式，所以需要将其转换为yolo格式。可以参照yolo v6中给出的voc2yolo.py。

也可以参照以下的方法。

新建一个文件夹JPEGImages，将JPEGImages-test和PEGImages-trainval里的图片都放进JPEGImages里面。 代码参考链接：https://blog.csdn.net/weixin_43365477/article/details/135622835

# coding:utf-8

import os
import random
import argparse

import xml.etree.ElementTree as ET
from os import getcwd
from shutil import copyfile


parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='DIOR/Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main

opt = parser.parse_args()

sets = ['train', 'val', 'test']
classes = ['airplane', 'airport', 'baseballfield', 'basketballcourt', 'bridge', 'chimney', 'dam',
              'Expressway-Service-area', 'Expressway-toll-station', 'golffield', 'groundtrackfield', 'harbor',
              'overpass', 'ship', 'stadium', 'storagetank', 'tenniscourt', 'trainstation', 'vehicle', 'windmill']

abs_path = os.getcwd()
print(abs_path)


# if not os.path.exists('/DIOR'):
#     os.makedirs('DIOR')

if not os.path.exists('DIOR_dataset/labels/'):
    os.makedirs('DIOR_dataset/labels/')
if not os.path.exists('DIOR_dataset/labels/train'):
    os.makedirs('DIOR_dataset/labels/train')
if not os.path.exists('DIOR_dataset_yolo/labels/test'):
    os.makedirs('DIOR_dataset/labels/test')
if not os.path.exists('DIOR_dataset_yolo/labels/val'):
    os.makedirs('DIOR_dataset/labels/val')


if not os.path.exists('DIOR_dataset/images/'):
    os.makedirs('DIOR_dataset/images/')
if not os.path.exists('DIOR_dataset/images/train'):
    os.makedirs('DIOR_dataset/images/train')
if not os.path.exists('DIOR_dataset/images/test'):
    os.makedirs('DIOR_dataset/images/test')
if not os.path.exists('DIOR_dataset/images/val'):
    os.makedirs('DIOR_dataset/images/val')


def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id, path):
#输入输出文件夹，根据实际情况进行修改
    in_file = open('DIOR/Annotations/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('DIOR_dataset/labels/' + path + '/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        #difficult = obj.find('difficult').text
        #difficult = obj.find('Difficult').text
        cls = obj.find('name').text
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')



train_percent = 0.6
test_percent = 0.2
val_percent = 0.2

xmlfilepath = opt.xml_path
# txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
# if not os.path.exists(txtsavepath):
#     os.makedirs(txtsavepath)

num = len(total_xml)
list_index = range(num)
list_index = list(list_index)
random.shuffle(list_index)


train_nums = list_index[:int(num * train_percent)]
test_nums = list_index[int(num * train_percent): int(num * test_percent)+int(num * train_percent)]
val_nums = list_index[int(num * test_percent)+int(num * train_percent):]



for i in list_index:
    name = total_xml[i][:-4]
    if i in train_nums:
        convert_annotation(name, 'train')   # lables
        image_origin_path = 'DIOR/JPEGImages/' + name + '.jpg'
        image_target_path = 'DIOR_dataset/images/train/' + name + '.jpg'
        copyfile(image_origin_path, image_target_path)

    if i in test_nums:
        convert_annotation(name, 'test')   # lables
        image_origin_path = 'DIOR/JPEGImages/' + name + '.jpg'
        image_target_path = 'DIOR_dataset/images/test/' + name + '.jpg'
        copyfile(image_origin_path, image_target_path)

    if i in val_nums:
        convert_annotation(name, 'val')   # lables
        image_origin_path = 'DIOR/JPEGImages/' + name + '.jpg'
        image_target_path = 'DIOR_dataset/images/val/' + name + '.jpg'
        copyfile(image_origin_path, image_target_path)

最终会生成yolo格式的数据集，且按训练集、验证集、测试集划分开。最终数据集形式如下 alt

YOLO V6训练DIOR

YOLO V6的操作文档可以看这里：https://yolov6-docs.readthedocs.io/zh-cn/latest/ 我们针对我们制作的DIOR数据集，来修改参数。

修改dataset.yaml

找到源代码中data/dataset.yaml。

# Please insure that your custom_dataset are put in same parent dir with YOLOv6_DIR
# 放入刚处理的DIOR数据集路径
train: .\DIOR_dataset\images\train # train images
val: .\DIOR_dataset\images\val # val images
test: .\DIOR_dataset\images\test # test images (optional)

# whether it is coco dataset, only coco dataset should be set to True.
is_coco: False

# Classes，类别名
nc: 20  # number of classes
names: ['airplane', 'airport', 'baseballfield', 'basketballcourt', 'bridge', 'chimney', 'dam',
              'Expressway-Service-area', 'Expressway-toll-station', 'golffield', 'groundtrackfield', 'harbor',
              'overpass', 'ship', 'stadium', 'storagetank', 'tenniscourt', 'trainstation', 'vehicle', 'windmill']  # class names

修改train.py

找到源代码中tools/train.py。 修改img-size为800，其他选项根据注释自行修改。

训练

运行train.py

测试

训练结束后，运行tools/eval.py。即可验证精度（注意weights改成训练结果路径），img-size为800。

输出结果

运行tools/infer.py source为test图片路径，其它参数根据注释选择性修改。 部分测试结果如下。 alt alt alt alt

总结

今天的分享就到这里，感兴趣的可以自行下载数据集与源代码试试。

往期精彩

SENet实现遥感影像场景分类
SENet实现遥感影像场景分类
DFANet|实现遥感影像道路提取
DFANet|实现遥感影像道路提取
基于topformer实现遥感影像道路提取
基于topformer实现遥感影像道路提取
segformer实现多分类遥感影像语义分割
segformer实现多分类遥感影像语义分割
pyqt5实现语义分割GUI界面工具
pyqt5实现语义分割GUI界面工具

本文由 mdnice 多平台发布

相关文章：

  • CodeSys创建自定义的html5控件
  • Kafka生产者相关概念
  • linux内核input子系统概述
  • 浮点数在计算机中的存储
  • 飞天使-k8s知识点27-kubernetes温故知新2-deployment
  • 如何成为顶尖程序员？
  • 二、阅读器的开发（初始）-- 1、阅读器简介及开发准备工作
  • 复试专业前沿问题问答合集10-1——区块链与加密货币
  • 内存条@电脑支持的最大内存@升级内存硬件
  • 安防监控视频汇聚平台EasyCVR接入海康Ehome设备，设备在线但视频无法播放是什么原因？
  • 关于Rust的项目结构的笔记
  • 打开snipaste软件的界面后，上次的截图无法销毁？
  • schweizer-electronic 公司 safedat2 操作使用说明
  • 鸿蒙Harmony应用开发—ArkTS（@State装饰器：组件内状态）
  • 公司内部局域网怎么适用飞书？
  • 【编码】-360实习笔试编程题（二）-2016.03.29
  • Angular 2 DI - IoC DI - 1
  • HashMap剖析之内部结构
  • iOS动画编程-View动画[ 1 ] 基础View动画
  • JavaScript 基础知识 - 入门篇(一)
  • passportjs 源码分析
  • React中的“虫洞”——Context
  • 初识 webpack
  • 从零开始在ubuntu上搭建node开发环境
  • 关于 Linux 进程的 UID、EUID、GID 和 EGID
  • 关于List、List?、ListObject的区别
  • 猫头鹰的深夜翻译：Java 2D Graphics, 简单的仿射变换
  • 前端技术周刊 2019-01-14：客户端存储
  • 浅谈JavaScript的面向对象和它的封装、继承、多态
  • 树莓派 - 使用须知
  • 微信端页面使用-webkit-box和绝对定位时，元素上移的问题
  • 一道面试题引发的“血案”
  • 最近的计划
  • 阿里云服务器如何修改远程端口？
  • ​虚拟化系列介绍（十）
  • #QT（智能家居界面-界面切换）
  • #单片机（TB6600驱动42步进电机）
  • $.ajax()方法详解
  • （1）(1.11) SiK Radio v2（一）
  • （2）(2.10) LTM telemetry
  • (Python) SOAP Web Service (HTTP POST)
  • （Redis使用系列） Springboot 整合Redisson 实现分布式锁 七
  • （二）windows配置JDK环境
  • （附源码）基于SpringBoot和Vue的厨到家服务平台的设计与实现 毕业设计 063133
  • （三十）Flask之wtforms库【剖析源码上篇】
  • （十） 初识 Docker file
  • （译）2019年前端性能优化清单 — 下篇
  • (转)AS3正则：元子符,元序列,标志,数量表达符
  • (转)关于多人操作数据的处理策略
  • ****** 二 ******、软设笔记【数据结构】-KMP算法、树、二叉树
  • *ST京蓝入股力合节能 着力绿色智慧城市服务
  • .NET 8.0 发布到 IIS
  • .net core 6 集成和使用 mongodb
  • .net core 依赖注入的基本用发
  • .net 写了一个支持重试、熔断和超时策略的 HttpClient 实例池