yolov3交通标志识别练习_yolo交通标志-CSDN博客

本文详细介绍了使用YOLOv3模型进行交通标志识别的实验过程，包括问题分析、数据集处理、实验原理和实验总结。通过训练和测试，探讨了模型在不同大小和类型的交通标志识别中的表现，指出了模型的局限性，如对小尺寸、残缺和少见类型标志的识别问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、问题分析

##1.问题描述
随着城市道路交通的发展，交通标示作为智能交通系统的重要组成，对交通安全起到至关重要的作用，因此如何快速准确的定位及分类出交通标志被广泛研究。自然场景下的交通标志有着显著的颜色及形状特征，对交通标志的检测及识别提供了有利条件，但因光照多变，相近背景干扰及交通标志在场景图像所占比例较小，特征提取不足等问题，一定程度上影响了交通标志的检测及识别准确率。
如何快速、准确地定位图片或是视频中的交通标志，受到了许多研究人员的关注。
##2. 数据集分析
本次课程实验基于6000余张实景照片，标注其中所有的交通标志，实际
分类为5类。实际训练数据为实际场景下的照片，具备一定的实用性。
训练图片
其中，照片的尺寸不完全相同，有12801024，也有720576等规格。

##3. 数据集标注
采用标注软件为colabeler。
在这里插入图片描述
得到两个文件夹，分别放置图片与标签。

得到6336个对应照片的xml标注文件，其内容如下所示（举例）。

由于后期采用的网络框架为yolo，需要特定的标注格式，后期编写代码进行更改。

二、实验原理

基于论文You Only Look Once:Unified, Real-Time Object Detection.
论文摘要
提出了一种新的目标检测方法YOLO。先前关于对象检测的工作将重新定义分类器来执行检测。相反，我们将对象检测定义为一个回归问题，回归到空间分离的边界框和相关的类概率。在一次评估中，单个神经网络直接从完整图像预测边界盒和类概率。由于整个检测管道是一个单一的网络，可以直接从检测性能上进行端到端优化。我们的统一架构非常快。我们的基本YOLO模型以每秒45帧的速度实时处理图像。一个更小版本的网络，Fast YOLO，处理速度达到惊人的每秒155帧，同时仍然达到其他实时探测器地图的两倍。与最先进的检测系统相比，YOLO会产生更多的定位错误，但不太可能预测背景上的误报。最后，YOLO学习对象的一般表示。当从自然图像推广到艺术作品等其他领域时，它的性能优于其他检测方法，包括DPM和R-CNN。
方法：YOLO将输入图像分成SxS个格子，每个格子负责检测‘落入’该格子的物体。何为之落入？若某个物体的中心位置的坐标落入到某个格子，那么这个格子就负责检测出这个物体。如下图所示，图中物体狗的中心点（红色原点）落入第5行、第2列的格子内，所以这个格子负责预测图像中的物体狗。在这里插入图片描述

每个格子输出B个bounding box（包含物体的矩形区域）信息，以及C个物体属于某种类别的概率信息。Bounding box信息包含5个数据值，分别是x,y,w,h,和confidence。其中x,y是指当前格子预测得到的物体的bounding box的中心位置的坐标。w,h是bounding box的宽度和高度。注意：实际训练过程中，w和h的值使用图像的宽度和高度进行归一化到[0,1]区间内；x，y是bounding box中心位置相对于当前格子中心？位置的偏移值，并且被归一化到[0,1]。confidence反映当前bounding box是否包含物体以及物体位置的准确性，计算方式如下：
confidence = P(object)* IOU
其中，若bounding box包含物体，则P(object) = 1；否则P(object) = 0。
IOU(intersection over union)为预测bounding box与物体真实区域的交集面积（以像素为单位，用真实区域的像素面积归一化到[0,1]区间）。
因此，YOLO网络最终的全连接层的输出维度是 SS(B5 + C)。YOLO论文中，作者训练采用的输入图像分辨率是448x448，S=7，B=2；采用VOC 20类标注物体作为训练数据，C=20。因此输出向量为77*(20 + 25)=1470维。作者开源出的YOLO代码中，全连接层输出特征向量各维度对应内容如下：

Loss函数
YOLO使用均方和误差作为loss函数来优化模型参数，即网络输出的SS*(B5 + C)维向量与真实图像的对应SS*(B*5 + C)维向量的均方和误差。如下式所示。
在这里插入图片描述（分别为坐标误差+IOU误差+分类误差求和作为总的loss误差）
内部网络架构

网络的初始卷积层从图像中提取特征，全连通层预测输出概率和坐标。有24层卷积层+2层全连接层。（yolov3有改进）

三、实验过程

实验环境
采用darknet（https://github.com/AlexeyAB/darknet）框架，系统为Ubuntu16环境下，gpu训练，python3.6编写脚本进行预数据数据处理以及得到最终结果。
训练过程
1.数据预处理：
将所有的训练图片写入图片路径记录文本txt中，一行一个文件路径（绝对路径）。所使用的sh脚本为creatallpng.sh。（creatallpng.sh放在图片相同的路径下）脚本内容如下
#code
ls -R /home/pi/darknet/data/JPEGImages/*.png > allpng.txt
在该路径下运行该脚本，得到所有的图片的绝对路径。如下所示。

得到的txt为：

xml文件转换为txt格式

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[('2018', 'train6336')]#读取要转换的xml的目录，这里只涉及训练集
#分为5类
classes = ["j", "z","s","l","d"]

#将xmin,ymin,xmax,ymax归一化到0-1之间

def convert(size, box):
    dw = 1./size[0]
    dh = 1./size[1]
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    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)
#转换xml至txt
def convert_annotation(year, image_id):
    in_file = open('/home/wangxutao/darknet/voc/VOC%s/Annotations/%s.xml'%(year, image_id))
    #新生成的txt，写入到labels文件夹内
    out_file = open('/home/wangxutao/darknet/voc/VOC%s/labels/%s.txt'%(year, image_id), 'w')
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width')<