yolo方案baseline

step1：赛事报名

Datawhale (linklearner.com) 飞书文档

step2：跑通baseline

1. 首先在服务器下载代码

apt install git-lfs
git lfs install
git clone https://www.modelscope.cn/datasets/Datawhale/AI_Camp5_baseline_CV.git

2. 学习下baseline的代码

# 读取训练集视频
for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):
    print(video_path)
    anno_df = pd.read_json(anno_path)
    cap = cv2.VideoCapture(video_path)
    frame_idx = 0 
    # 读取视频所有画面
    while True:
        ret, frame = cap.read()
        if not ret:
            break

        img_height, img_width = frame.shape[:2]
        
        # 将画面写为图
        frame_anno = anno_df[anno_df['frame_id'] == frame_idx]
        cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

        # 如果存在标注
        if len(frame_anno) != 0:
            with open('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt', 'w') as up:
                for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):
                    category_idx = category_labels.index(category)
                    
                    # 计算yolo标注格式
                    x_min, y_min, x_max, y_max = bbox
                    x_center = (x_min + x_max) / 2 / img_width
                    y_center = (y_min + y_max) / 2 / img_height
                    width = (x_max - x_min) / img_width
                    height = (y_max - y_min) / img_height

                    if x_center > 1:
                        print(bbox)
                    up.write(f'{category_idx} {x_center} {y_center} {width} {height}n')
        
        frame_idx += 1

了解一下YOLO

这里用到了YOLO(You Only Look Once)，这是一种流行的实时目标检测系统，YOLO模型的核心思想是将目标检测任务视为一个单一的回归问题，通过一个卷积神经网络（CNN）直接从图像像素到边界框坐标和类别概率的映射。YOLO模型经过了多次迭代，包括YOLOv2（YOLO9000）、YOLOv3和YOLOv4等版本，每个版本都在性能和速度上有所提升，同时也引入了一些新的技术，如更深的网络结构、更好的锚框机制、多尺度特征融合等。

理解代码

这段代码是用于处理视频数据并将其转换为YOLO格式的标注文件的Python脚本。YOLO需要特定的标注格式来训练模型。以下是代码的主要功能和步骤：

1. 使用zip函数将训练集的标注文件路径（train_annos）和视频文件路径（train_videos）配对。

2. 迭代前 5 对标注文件和视频文件路径。

3. 读取每个标注文件（anno_path）为Pandas DataFrame（anno_df）。

4. 使用OpenCV（cv2）打开视频文件（video_path）。

5. 初始化frame_idx为0，用于记录当前处理的视频帧索引。

6. 使用while循环读取视频中的所有帧。如果读取失败（ret为False），则跳出循环。

7. 获取当前帧的高度和宽度。

8. 将当前帧保存为图片文件，文件名基于标注文件名和帧索引。

9. 检查当前帧是否有标注信息（frame_anno）。

10. 如果有标注信息，打开一个文本文件用于写入YOLO格式的标注数据。

11. 对于每个标注，计算类别索引（category_idx）和YOLO格式的坐标（x_center, y_center, width, height）。

12. 检查x_center是否大于1，如果是，则打印出边界框（bbox）的值。这可能是一个错误检查，以确保坐标值在正确的范围内。

13. 将YOLO格式的标注数据写入文本文件。

14. 增加frame_idx以处理下一帧。

step3：如何训练YOLO模型

Ultraalytics 是一个提供多种计算机视觉模型的库，包括 YOLO 系列。这段代码是一个简单的训练启动示例

from ultralytics import YOLO

# 设置模型版本
model = YOLO("yolov8n.pt") 

# 设定数据集和训练参数
results = model.train(data="yolo-dataset/yolo.yaml", epochs=2, imgsz=1080, batch=16)

1. 加载模型：使用 YOLO("yolov8n.pt") 创建一个 YOLO 模型实例。这里的 "yolov8n.pt" 是预训练模型的文件路径，yolov8n 表示 YOLOv8 的一个较小的模型版本，.pt 是 PyTorch 模型文件的扩展名。

2. 训练模型：通过调用模型实例的 train 方法来训练模型。方法的参数如下：

• data：指定数据集配置文件的路径，这里是 "yolo-dataset/yolo.yaml"。这个 YAML 文件应该包含了训练和验证数据集的路径、类别名称、锚框尺寸等信息。
• epochs：训练的轮数，这里设置为 2 轮。
• imgsz：输入图像的尺寸，这里设置为 1080 像素。这个尺寸应该与你的标注数据匹配。
• batch：每个批次的图像数量，这里设置为 16。

3. 训练结果：train 方法将返回一个包含训练结果的对象。这个对象可能包含训练过程中的各种统计信息，如损失值、精确度等。
   训练日志：
   

• box_loss 是边界框回归损失，用于评估预测的边界框与真实边界框之间的差异。

• cls_loss 是分类损失，用于评估类别预测的准确性。

• dfl_loss 是防御性损失，用于提高模型的泛化能力。

这是baseline方案代码的学习，后面进阶方案会继续！