超详细！手把手教你使用YOLOX进行物体检测（附数据集）

时间：2022-09-18 19:30:00 力传感器bk voc传感器pid

点击下方卡片，关注3D视觉工坊公众号

3D视觉干货首次送达

作者：王浩，3D视觉开发者社区签约作者，毕业于北京航空航天大学，人工智能领域的优质创作者，CSDN博客认证专家。

编辑：3D视觉开发者社区

摘要

YOLOX: Exceeding YOLO Series in 2021

?代码：https://github.com/Megvii-BaseDetection/YOLOX?论文：https://arxiv.org/abs/2107.08430

YOLOX 是旷视开源的高性能检测器。旷视研究人员将在解耦头、数据增强、无锚点、标签分类等目标检测领域取得优异进展 YOLO 巧妙的集成组合成组合 YOLOX，不仅实现了超越 YOLOv3、YOLOv4 和 YOLOv5 的 AP，而且达到了极具竞争力的推理速度。如下图所示：

其中YOLOX-L版本以 68.9 FPS 的速度在 COCO 上实现了 50.0% AP，比 YOLOv5-L 高出 1.8% AP！还提供支持 ONNX、TensorRT、NCNN 和 Openvino 本文将详细介绍如何使用部署版本YOLOX物体检测。

一、配置环境

本机环境：

操作系统	Win10
Pytorch版本	1.8.0
Cuda版本	11.1

1.1下载源码

GitHub地址：https://github.com/Megvii-BaseDetection/YOLOX，下载后放入D盘根目录，然后使用PyCharm打开。

1.2 安装依赖包

点击“Terminal下图，

然后执行下列命令，安装所有依赖包。

pip install -r requirements.txt

1.3 安装yolox

python setup.py install

看到以下信息，说明安装已经完成

1.4 安装apex

APEX英伟达开源，完美支持PyTorch用于改变数据格式以减少模型显存占用的工具框架。其中最有价值的是amp（Automatic Mixed Precision），使用模型的大部分操作Float16数据类型测试，一些特殊操作仍在使用Float32。而用户只能通过三行代码完美地将自己的训练代码迁移到模型中。实验证明，使用Float16作为大多数操作的数据类型，参数并没有减少。相反，在一些实验中，它可以增加Batch size，提高精度和训练速度。

安装步骤：

1) 到官网下载apex，地址：mirrors / nvidia / apex · CODE CHINA (csdn.net)^[1]

2) 下载后，解压后Shell里，进入到apex-master中。

3) 执行安装命令

pip install -r requirements.txt    python setup.py install

看到如下log，说明安装成功。

1.5 安装pycocotools

pip install pycocotools

注：如有环境问题，可参考博客：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/105858384

1.6 验证环境

本文选择下载预训练模型YOLOX-s，下载地址：https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth。

下载后，将预训练模型放入项目根目录，如下图所示：

然后验证环境，执行:

python tools/demo.py image -f exps/default/yolox_s.py -c ./yolox_s.pth --path assets/dog.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

参数说明

参数	说明
-c	权重的路径
-path	测试图片的路径
-conf	置信度阈值
-nms	nms的IOU阈值
-tsize	测试图片resize的大小
-save_result	推理结果是否保存
--device	选用gpu或cpu推理

检查操作结果：

看上图说明环境没问题。

二、制作数据集

我们采用数据集VOC原始数据集是数据集Labelme标注的数据集。下载地址：https://pan.baidu.com/s/1kj-diqEK2VNVqd2n4ROa5g （提取码rrnz）

新建labelme2voc.py文件

import os from typing import List, Any import numpy as np import codecs import json from glob import glob import cv2 import shutil from sklearn.model_selection import train_test_split   # 1.标签路径   labelme_path = "LabelmeData/"  # 原始labelme标记数据路径 saved_path = "VOC2007/"  # 保存路径 isUseTest = True  # 是否创建test集 # 2.创建要求的文件夹 if not os.path.exists(saved_path   "Annotation"):
    os.makedirs(saved_path + "Annotations")
if not os.path.exists(saved_path + "JPEGImages/"):
    os.makedirs(saved_path + "JPEGImages/")
if not os.path.exists(saved_path + "ImageSets/Main/"):
    os.makedirs(saved_path + "ImageSets/Main/")
# 3.获取待处理文件
files = glob(labelme_path + "*.json")
files = [i.replace("\\", "/").split("/")[-1].split(".json")[0] for i in files]
print(files)
# 4.读取标注信息并写入 xml
for json_file_ in files:
    json_filename = labelme_path + json_file_ + ".json"
    json_file = json.load(open(json_filename, "r", encoding="utf-8"))
    height, width, channels = cv2.imread(labelme_path + json_file_ + ".jpg").shape
with codecs.open(saved_path + "Annotations/" + json_file_ + ".xml", "w", "utf-8") as xml:
        xml.write('\n')
        xml.write('\t' + 'WH_data' + '\n')
        xml.write('\t' + json_file_ + ".jpg" + '\n')
        xml.write('\t\n')
        xml.write('\t\tWH Data\n')
        xml.write('\t\tWH\n')
        xml.write('\t\tflickr\n')
        xml.write('\t\tNULL\n')
        xml.write('\t\n')
        xml.write('\t\n')
        xml.write('\t\tNULL\n')
        xml.write('\t\tWH\n')
        xml.write('\t\n')
        xml.write('\t\n')
        xml.write('\t\t' + str(width) + '\n')
        xml.write('\t\t' + str(height) + '\n')
        xml.write('\t\t' + str(channels) + '\n')
        xml.write('\t\n')
        xml.write('\t\t0\n')
for multi in json_file["shapes"]:
            points = np.array(multi["points"])
            labelName = multi["label"]
            xmin = min(points[:, 0])
            xmax = max(points[:, 0])
            ymin = min(points[:, 1])
            ymax = max(points[:, 1])
            label = multi["label"]
if xmax <= xmin:
pass
elif ymax <= ymin:
pass
else:
                xml.write('\t\n')
print(json_filename, xmin, ymin, xmax, ymax, label)
        xml.write('')
# 5.复制图片到 VOC2007/JPEGImages/下
image_files = glob(labelme_path + "*.jpg")
print("copy image files to VOC007/JPEGImages/")
for image in image_files:
    shutil.copy(image, saved_path + "JPEGImages/")
# 6.split files for txt
txtsavepath = saved_path + "ImageSets/Main/"
ftrainval = open(txtsavepath + '/trainval.txt', 'w')
ftest = open(txtsavepath + '/test.txt', 'w')
ftrain = open(txtsavepath + '/train.txt', 'w')
fval = open(txtsavepath + '/val.txt', 'w')
total_files = glob("./VOC2007/Annotations/*.xml")
total_files = [i.replace("\\", "/").split("/")[-1].split(".xml")[0] for i in total_files]
trainval_files = []
test_files = []
if isUseTest:
    trainval_files, test_files = train_test_split(total_files, test_size=0.15, random_state=55)
else:
    trainval_files = total_files
for file in trainval_files:
    ftrainval.write(file + "\n")
# split
train_files, val_files = train_test_split(trainval_files, test_size=0.15, random_state=55)
# train
for file in train_files:
    ftrain.write(file + "\n")
# val
for file in val_files:
    fval.write(file + "\n")
for file in test_files:
print(file)
    ftest.write(file + "\n")
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

运行上面的代码就可以得到VOC2007数据集。如下图所示：

VOC的目录如下，所以要新建data/VOCdevkit目录，然后将上面的结果复制进去

├── data 
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   │   ├── Annotations #xml文件
│   │   │   ├── JPEGImages #图片
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── test.txt 
│   │   │   │   │   ├── trainval.txt

到这里，数据集制作完成。

三、修改数据配置文件

3.1 修改类别

文件路径：exps/example/yolox_voc/yolox_voc_s.py，本次使用的类别有2类，所以将num_classes修改为2。

打开yolox/data/datasets/voc_classes.py文件，修改为自己的类别名：

3.2 修改数据集目录

文件路径：exps/example/yolox_voc/yolox_voc_s.py，data_dir修改为“./data/VOCdevkit”，image_sets删除2012的，最终结果如下：

接着往下翻，修改test的路径，如下图：

打开yolox/data/datasets/voc.py,这里面有个错误。画框位置，将大括号的“%s”去掉，否则验证的时候一直报找不到文件的错误。

修改完成后，执行

python setup.py install

重新编译yolox。

四、训练

推荐使用命令行的方式训练。

执行命令：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16  -c yolox_s.pth

就可以开始训练了。如果不喜欢使用命令行的方式，想直接运行train.py，那就需要就如train.py修改参数了。首先把train.py从tools里面复制一份到工程的根目录（建议这样做，否则需要修改的路径比较多，新手容易犯错误），如图：

打开，修改里面的参数。需要修改的参数如下：

parser.add_argument("-b", "--batch-size", type=int, default=4, help="batch size")
    parser.add_argument(
"-d", "--devices", default=1, type=int, help="device for training"
)
    parser.add_argument(
"-f",
"--exp_file",
default="exps/example/yolox_voc/yolox_voc_s.py",
        type=str,
        help="plz input your expriment description file",
)
    parser.add_argument("-c", "--ckpt", default='yolox_s.pth', type=str, help="checkpoint file")
    parser.add_argument(
"--fp16",
        dest="fp16",
default=True,
        action="store_true",
        help="Adopting mix precision training.",
)

按照上面的参数配置就可以运行了，如下图：

如果训练了一段时间，再想接着以前的模型再训练，应该如何做呢？修改train.py的参数即可，需要修改的参数如下：

parser.add_argument(
"--resume", default=True, action="store_true", help="resume training"
)
  parser.add_argument("-c", "--ckpt", default='YOLOX_outputs/yolox_voc_s/best_ckpt.pth', type=str, help="checkpoint file")
    parser.add_argument(
"-e",
"--start_epoch",
default=100,
        type=int,
        help="resume training start epoch",
)

命令行：

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth.tar -resume -start_epoch=100

再次训练，你发现epoch不是从0开始了。

五、测试

修改yolox/data/datasets/\__init__.py，导入“VOC_CLASSES”，如下图：

修改tools/demo.py中代码，将“COCO_CLASSES”，改为“VOC_CLASSES”。

将“295”行的Predictor类初始化传入的“COCO_CLASSES”改为“VOC_CLASSES”，如下图：

5.1 单张图片预测

使用训练好的模型进行测试。测试调用tools/demo.py,先用命令行的方式演示：

python tools/demo.py image -f exps/example/yolox_voc/yolox_voc_s.py -c YOLOX_outputs/yolox_voc_s/latest_ckpt.pth --path ./assets/aircraft_107.jpg --conf 0.3 --nms 0.65 --tsize 640 --save_result --device gpu

运行结果：

如果不想使用命令行，将demo.py复制一份放到工程的根目录，然后修改里面的参数。

parser = argparse.ArgumentParser("YOLOX Demo!")
    parser.add_argument("-do","--demo", default="image", help="demo type, eg. image, video and webcam")
    parser.add_argument("-expn", "--experiment-name", type=str, default=None)
    parser.add_argument("-n", "--name", type=str, default=None, help="model name")
    parser.add_argument(
"--path", default="./assets/aircraft_107.jpg", help="path to images or video"
)
# exp file
    parser.add_argument(
"-f",
"--exp_file",
default="exps/example/yolox_voc/yolox_voc_s.py",
        type=str,
        help="pls input your expriment description file",
)
    parser.add_argument("-c", "--ckpt", default="YOLOX_outputs/yolox_voc_s/best_ckpt.pth", type=str, help="ckpt for eval")
    parser.add_argument(
"--device",
default="gpu",
        type=str,
        help="device to run our model, can either be cpu or gpu",
)
    parser.add_argument("--conf", default=0.3, type=float, help="test conf")
    parser.add_argument("--nms", default=0.45, type=float, help="test nms threshold")
    parser.add_argument("--tsize", default=640, type=int, help="test img size")
    parser.add_argument(
"--fp16",
        dest="fp16",
default=False,
        action="store_true",
        help="Adopting mix precision evaluating.",
)


    parser.add_argument(
"--fuse",
        dest="fuse",
default=False,
        action="store_true",
        help="Fuse conv and bn for testing.",
)

然后直接运行demo.py,运行结果如下图：

5.2 批量预测

批量预测很简单，将path参数由文件路径改为图片的文件夹路径就可以。例：

parser.add_argument(
"--path", default="./assets", help="path to images or video"
)

这样就可以预测assets文件夹下面所有的图片了。

六、保存测试结果

demo.py只有将结果画到图片上，没有保存结果，所以要增加这部分的功能。

打开yolox/utils.visualize.py文件，修改vis方法，将结果返回到上层的方法。

def vis(img, boxes, scores, cls_ids, conf=0.5, class_names=None):
    result_list = []
for i in range(len(boxes)):
        box = boxes[i]
        cls_id = int(cls_ids[i])
        score = scores[i]
if score < conf:
continue
        x0 = int(box[0])
        y0 = int(box[1])
        x1 = int(box[2])
        y1 = int(box[3])
        class_name = class_names[cls_id]
        one_line = (str(x0), str(y0), str(x1), str(y1), class_name, str(float(score)))
        str_one_line = " ".join(one_line)
        result_list.append(str_one_line)
        color = (_COLORS[cls_id] * 255).astype(np.uint8).tolist()
        text = '{}:{:.1f}%'.format(class_name, score * 100)
        txt_color = (0, 0, 0) if np.mean(_COLORS[cls_id]) > 0.5 else (255, 255, 255)
        font = cv2.FONT_HERSHEY_SIMPLEX


        txt_size = cv2.getTextSize(text, font, 0.4, 1)[0]
        cv2.rectangle(img, (x0, y0), (x1, y1), color, 2)


        txt_bk_color = (_COLORS[cls_id] * 255 * 0.7).astype(np.uint8).tolist()
        cv2.rectangle(
            img,
(x0, y0 + 1),
(x0 + txt_size[0] + 1, y0 + int(1.5 * txt_size[1])),
            txt_bk_color,
-1
)
        cv2.putText(img, text, (x0, y0 + txt_size[1]), font, 0.4, txt_color, thickness=1)


return img, result_list

在demo.py的178行增加获取结果，并返回上层方法，如下图：

然后在182，修改image_demo函数，增加获取结果，保存结果的逻辑，具体代码如下：

def image_demo(predictor, vis_folder, path, current_time, save_result):
if os.path.isdir(path):
        files = get_image_list(path)
else:
        files = [path]
    files.sort()
for image_name in files:
        outputs, img_info = predictor.inference(image_name)
        result_image, result_list = predictor.visual(outputs[0], img_info, predictor.confthre)
print(result_list)
if save_result:
            save_folder = os.path.join(
                vis_folder, time.strftime("%Y_%m_%d_%H_%M_%S", current_time)
)
            os.makedirs(save_folder, exist_ok=True)
            save_file_name = os.path.join(save_folder, os.path.basename(image_name))
            logger.info("Saving detection result in {}".format(save_file_name))
            txt_name = os.path.splitext(save_file_name)[0]+".txt"
print(txt_name)
            f = open(txt_name, "w")
for line in result_list:
                f.write(str(line) + '\n')
            f.close()
            cv2.imwrite(save_file_name, result_image)
        ch = cv2.waitKey(0)
if ch == 27 or ch == ord("q") or ch == ord("Q"):
break

然后运行demo.py,就可以将结果保存到txt中。

遇到的错误

1、RuntimeError: DataLoader worker (pid(s) 9368, 12520, 6392, 7384) exited unexpectedly

错误原因：torch.utils.data.DataLoader中的num_workers错误将num_workers改为0即可，0是默认值。num_workers是用来指定开多进程的数量，默认值为0，表示不启用多进程。

打开yolox/exp/yolox_base.py,将data_num_workers设置为0，如下图：

将num_workers设置为0，程序报错，并提示设置环境变量KMP_DUPLICATE_LIB_OK=TRUE 那你可以在设置环境变量KMP_DUPLICATE_LIB_OK=TRUE 或者使用临时环境变量：（在代码开始处添加这行代码)

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

2、RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR

执行命令

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16 -o -c yolox_s.pth.tar

报的错误，把-“-o”去掉后就正常了。

python tools/train.py -f exps/example/yolox_voc/yolox_voc_s.py -d 1 -b 4 --fp16  -c yolox_s.pth.tar

References

[1] mirrors / nvidia / apex · CODE CHINA (csdn.net): https://codechina.csdn.net/mirrors/nvidia/apex?utm_source=csdn_github_accelerator
[2] Win10 安装pycocotools_AI浩-CSDN博客：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/105858384

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列三维点云系列结构光系列、手眼标定、相机标定、orb-slam3知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~

锐单商城拥有海量元器件数据手册、IC替代型号，打造电子元器件IC百科大全！

超详细！手把手教你使用YOLOX进行物体检测（附数据集）

摘要

一、 配置环境

二、 制作数据集

三、 修改数据配置文件