基于YOLOv8-pose的手部关键点检测（2）- 模型训练、结果分析和超参数优化

paradoxjun

已于 2024-08-17 13:55:32 修改

阅读量2.8k

点赞数 24

CC 4.0 BY-SA版权

分类专栏：目标检测手势识别文章标签： YOLO 人工智能深度学习

于 2024-08-16 11:57:33 首次发布

本文链接：https://blog.csdn.net/qq_40387714/article/details/141254361

目标检测同时被 2 个专栏收录

18 篇文章

订阅专栏

手势识别

7 篇文章

订阅专栏

前言

对YOLOv8-pose手部关键点检测模型进行训练，并分析训练结果，从而调优训练超参数。

手部关键点检测数据集：基于YOLOv8-pose的手部关键点检测（1）- 手部关键点数据集获取（数据集下载、数据清洗、处理与增强）

1.训练参数设置

1.1 data.yaml

同手部检测中，只需增加 kpt_shape: [21, 2]。

1.2 setting.yaml

同手部检测中，也需要关闭马赛克增强；同时马赛克增强概率要置为1。

# Train settings -------------------------------------------------------------------------------------------------------
task: pose              # (str) YOLO task, i.e. detect, segment, classify, pose
mode: train             # (str) YOLO mode, i.e. train, val, predict, export, track, benchmark
data: ./hand-pose.yaml  # (str, optional) path to data file, i.e. coco8.yaml
epochs: 500             # (int) number of epochs to train for
batch: 256              # (int) number of images per batch (-1 for AutoBatch)
imgsz: 480              # (int | list) input images size as int for train and val modes, or list[w,h] for predict and export modes
patience: 300           # (int) epochs to wait for no observable improvement for early stopping of training
device: 7               # (int | str | list, optional) device to run on, i.e. cuda device=0 or device=0,1,2,3 or device=cpu
project: ./             # (str, optional) project name
multi_scale: True       # (bool) Whether to use multiscale during training
close_mosaic: 0         # (int) disable mosaic augmentation for final epochs (0 to disable)
resume: True            # (bool) resume training from last checkpoint

# Hyperparameters ------------------------------------------------------------------------------------------------------
lr0: 0.01               # (float) initial learning rate (i.e. SGD=1E-2, Adam=1E-3)
lrf: 0.01               # (float) final learning rate (lr0 * lrf)
box: 8.0                # (float) box loss gain
cls: 0.5                # (float) cls loss gain (scale with pixels)
dfl: 1.5                # (float) dfl loss gain
pose: 14.0              # (float) pose loss gain
kobj: 0.0               # (float) keypoint obj loss gain
degrees: 0.0          # (float) image rotation (+/- deg)
translate: 0.1          # (float) image translation (+/- fraction)
scale: 0.5              # (float) image scale (+/- gain)
fliplr: 0.5             # (float) image flip left-right (probability)

如下图所示，handpose数据集的bbox约为[0.5, 0.5, 0.6, 0.6]，如果关闭马赛克增强，会导致网络预测检测框为具体数值，而不是依靠外观特征去预测边界。

2.训练结果分析

2.1 准确性分析

由于只有手部的patch，且handpose中存在大量两只手只标了一只手的情况，导致前期bbox的训练还是挺不稳定的，不过pose的训练还是挺稳的：

2.2 LOSS分析

如下图红框所示，同手部检测在HaGRID上的训练类似，关闭马赛克增强后，导致LOSS“断崖式下跌”，因为网络去拟合具体数值了，在知道手部位置后，关键点的LOSS也随之下跌：

上述过程，也会导致网络在原始数据上的“过拟合”。如下图所示，如果将检测出的手直接进行预测，获得手部关键点像被“压缩”了一下，这里实际上，是网络想把关键点缩放在手部框的“3/5”范围内：

在将手部框放大2/3后再预测，即使右边（输入到手部关键点检测的patch）被截断，结果还是可以相对校准的预测对：

3.可视化结果

3.1 简单手部

也可以看到下面左图，关闭马赛克增强后，预测效果更好。

3.2 截断手部

3.3 多手+截断

下图右边的手预测了两次，所以最终在处理时候，对于每一个手部检测框，只要获取置信度最大的那个结果即可：

3.4 验证集行测试结果

Handpose_v2：

HaGRID：

HaGRID-rotate：

Hand_keypoint_26K:

4.结论

只要能看清手部的图片，基本都能识别。