devbox
小蓝xlanll
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

YOLOV5-face视频流_coords[:, 0].clamp_(0, img0_shape[1])

作者：小蓝xlanll | 2024-04-25 02:01:47

赞

踩

coords[:, 0].clamp_(0, img0_shape[1])

这里我使用的不是原版yoloface的代码，原版代码为一类，五个关键点，我的代码为4类，4个关键点。具体更改办法及相关知识可参阅我之前的博客

yoloV5-face学习笔记_m0_58348465的博客-CSDN博客

修改思路

由于yoloV5-face阉割掉了许多功能，比如视频流，部署，因此我希望能直接在yolov5源代码的detect.py进行修改，使之能直接运行视频流

对二者进行调试，对yolov5的detect.py进行修改

首先将detect.py的

pred = non_max_suppression_face

改为yolov5face的

pred = non_max_suppression

同时记得在上方import相应函数即可。

发现问题

        更改后，yolov5能正常输出边界框，但关键点的位置非常离谱*(yoloface的关键点输出是正常的)。

第一次尝试

调试发现，二者的厚度不同，继续调试发现face输入的是800*640，而yolo输入的是640*512；也就是说二者的img_size不同。将yoloface的img_size默认改为640，如下

  1. def detect_one(model, image_path, device):
  2.     # Load model
  3.     img_size = 640
  4.     conf_thres = 0.3
  5.     iou_thres = 0.5

改完后发现，居然关键点位置效果也变好了

好奇的继续对img_size进行更改，结果发现其值在600左右效果最好，为什么？

原因：因为训练的权重选错了，选错成未完全收敛的权重，因此其他一些细微的变化也有着巨大的影响

第二次尝试

        修改后，二者的维度相同，但是关键点还是很离谱。最离谱的是，非极大值抑制函数是复制过去的，而调试过程中pred输出也相同。就在我快绝望之际，我想到可能是由于tensor过大，只有显示出来的部分是完全相同的，其实内部不同。

        通过下列代码可以去掉调试过程中tensor的省略号

  1. import numpy as np
  2. np.set_printoptions(threshold = 1e3)#设置打印数量的阈值
  3. torch.set_printoptions(threshold=np.inf)

加入上述代码后调试，发现二者果然省略号内部不一样。

之后我用文档对比工具解析了model，但是二者架构也是完全相同的。唯一的可能是二者的解析不同。由于yoloface的yolo.py的detect在我调试时自己改过，因此最有可能的原因就是detect模块不同。因此按照yoloface（我修改的四点模型）中修改detect模块，修改结果如下

  1. class Detect(nn.Module):
  2.     stride = None  # strides computed during build
  3.     onnx_dynamic = False  # ONNX export parameter
  4.  
  5.     def __init__(self, nc=80, anchors=(), ch=(), inplace=True):  # detection layer
  6.         super().__init__()
  7.         self.nc = nc  # number of classes
  8.         self.no = nc + 5 + 8 # number of outputs per anchor
  9.         self.nl = len(anchors)  # number of detection layers
  10.         self.na = len(anchors[0]) // 2  # number of anchors
  11.         self.grid = [torch.zeros(1)] * self.nl  # init grid
  12.         self.anchor_grid = [torch.zeros(1)] * self.nl  # init anchor grid
  13.         self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2))  # shape(nl,na,2)
  14.         self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch)  # output conv
  15.         self.inplace = inplace  # use in-place ops (e.g. slice assignment)
  16.  
  17.     def forward(self, x):
  18.         z = []  # inference output
  19.         for i in range(self.nl):
  20.             x[i] = self.m[i](x[i])  # conv
  21.             bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
  22.             x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()
  23.  
  24.             if not self.training:  # inference
  25.                 if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]:
  26.                     self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i)
  27.  
  28.                 y = torch.full_like(x[i], 0)
  29.                 class_range = list(range(5)) + list(range(13,13+self.nc))
  30.                 y[..., class_range] = x[i][..., class_range].sigmoid()   #这里是只对关键点以外的值进行sigmoid
  31.                 y[..., 5:13] = x[i][..., 5:13]
  32.                 if self.inplace:
  33.                     y[..., 0:2] = (y[..., 0:2] * 2 - 0.5 + self.grid[i]) * self.stride[i]  # xy
  34.                     y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i]  # wh
  35.                     y[..., 5:7] = y[..., 5:7] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x1 y1
  36.                     y[..., 7:9] = y[..., 7:9] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x2 y2
  37.                     y[..., 9:11] = y[..., 9:11] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x3 y3
  38.                     y[..., 11:13] = y[..., 11:13] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x4 y4
  39.  
  40.                 else:  # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953
  41.                     xy = (y[..., 0:2] * 2 - 0.5 + self.grid[i]) * self.stride[i]  # xy
  42.                     wh = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i]  # wh
  43.                     # y[..., 5:15] = y[..., 5:15] * 8 - 4
  44.                     y[..., 5:7] = y[..., 5:7] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x1 y1
  45.                     y[..., 7:9] = y[..., 7:9] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x2 y2
  46.                     y[..., 9:11] = y[..., 9:11] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x3 y3
  47.                     y[..., 11:13] = y[..., 11:13] * self.anchor_grid[i] + self.grid[i].to(x[i].device) * self.stride[i]  # landmark x4 y4
  48.  
  49.                     y = torch.cat((xy, wh, y[..., 4:]), -1)
  50.                 z.append(y.view(bs, -1, self.no))
  51.  
  52.         return x if self.training else (torch.cat(z, 1), x)
  53.  
  54.     def _make_grid(self, nx=20, ny=20, i=0):
  55.         d = self.anchors[i].device
  56.         if check_version(torch.__version__, '1.10.0'):  # torch>=1.10.0 meshgrid workaround for torch>=0.7 compatibility
  57.             yv, xv = torch.meshgrid([torch.arange(ny, device=d), torch.arange(nx, device=d)], indexing='ij')
  58.         else:
  59.             yv, xv = torch.meshgrid([torch.arange(ny, device=d), torch.arange(nx, device=d)])
  60.         grid = torch.stack((xv, yv), 2).expand((1, self.na, ny, nx, 2)).float()
  61.         anchor_grid = (self.anchors[i].clone() * self.stride[i]) \
  62.             .view((1, self.na, 1, 1, 2)).expand((1, self.na, ny, nx, 2)).float()
  63.         return grid, anchor_grid

之后进行调试，发现输出的结果是正确的，所以下一步是让结果可视化

结果输出

为了输出结果，首先要将特征点缩放到图片实际大小，在yolo170行左右，if len(det):后面，加入一句scale_coords_landmarks函数，加入后结果如下

  1.            if len(det):
  2.                 # Rescale boxes from img_size to im0 size
  3.                 det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round()
  4.                 det[:, 5:13] = scale_coords_landmarks(im.shape[2:], det[:, 5:13], im0.shape).round()
  5.                 # Print results
  6.                 for c in det[:, -1].unique():
  7.                     n = (det[:, -1] == c).sum()  # detections per class
  8.                     # s += f"{n} {names[int(c)]}{'s' * (n > 1)}, "  # add to string  改变

同时，我们要在detect.py上方定义scale_coords_landmarks函数代码，代码如下

  1. def scale_coords_landmarks(img1_shape, coords, img0_shape, ratio_pad=None):
  2.     # Rescale coords (xyxy) from img1_shape to img0_shape
  3.     if ratio_pad is None:  # calculate from img0_shape
  4.         gain = min(img1_shape[0] / img0_shape[0], img1_shape[1] / img0_shape[1])  # gain  = old / new
  5.         pad = (img1_shape[1] - img0_shape[1] * gain) / 2, (img1_shape[0] - img0_shape[0] * gain) / 2  # wh padding
  6.     else:
  7.         gain = ratio_pad[0][0]
  8.         pad = ratio_pad[1]
  9.  
  10.     coords[:, [0, 2, 4, 6]] -= pad[0]  # x padding
  11.     coords[:, [1, 3, 5, 7]] -= pad[1]  # y padding
  12.     coords[:, :8] /= gain
  13.     #clip_coords(coords, img0_shape)
  14.     coords[:, 0].clamp_(0, img0_shape[1])  # x1
  15.     coords[:, 1].clamp_(0, img0_shape[0])  # y1
  16.     coords[:, 2].clamp_(0, img0_shape[1])  # x2
  17.     coords[:, 3].clamp_(0, img0_shape[0])  # y2
  18.     coords[:, 4].clamp_(0, img0_shape[1])  # x3
  19.     coords[:, 5].clamp_(0, img0_shape[0])  # y3
  20.     coords[:, 6].clamp_(0, img0_shape[1])  # x4
  21.     coords[:, 7].clamp_(0, img0_shape[0])  # y4
  22.     # coords[:, 8].clamp_(0, img0_shape[1])  # x5
  23.     # coords[:, 9].clamp_(0, img0_shape[0])  # y5
  24.     return coords

结果可视化（测试版，可以跳过）

最后一步是结果可视化，我们先将detect.py的weite results全部注释掉，如下

  1.             # Write results
  2.                 # for *xyxy, conf, cls in reversed(det):
  3.                 #     if save_txt:  # Write to file
  4.                 #         xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()  # normalized xywh
  5.                 #         line = (cls, *xywh, conf) if save_conf else (cls, *xywh)  # label format
  6.                 #         with open(txt_path + '.txt', 'a') as f:
  7.                 #             f.write(('%g ' * len(line)).rstrip() % line + '\n')
  8.                 #
  9.                 #     if save_img or save_crop or view_img:  # Add bbox to image
  10.                 #         c = int(cls)  # integer class
  11.                 #         label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}')
  12.                 #         # annotator.box_label(xyxy, label, color=colors(c, True))
  13.                 #         if save_crop:
  14.                 #             save_one_box(xyxy, imc, file=save_dir / 'crops' / names[c] / f'{p.stem}.jpg', BGR=True)

然后改为这段代码

  1.                 for j in range(det.size()[0]):
  2.                     xywh = (xyxy2xywh(det[j, :4].view(1, 4)) / gn).view(-1).tolist()
  3.                     conf = det[j, 4].cpu().numpy()
  4.                     landmarks = (det[j, 5:13].view(1, 8) / gn_lks).view(-1).tolist()
  5.                     class_num = det[j, 13].cpu().numpy()
  6.                     im0 = show_results(im0, xywh, conf, landmarks, class_num)

类似的，我们要在detect.py上方定义show_results函数，如下

  1. def show_results(img, xywh, conf, landmarks, class_num):
  2.     h,w,c = img.shape
  3.     tl = 1 or round(0.002 * (h + w) / 2) + 1  # line/font thickness
  4.     x1 = int(xywh[0] * w - 0.5 * xywh[2] * w)
  5.     y1 = int(xywh[1] * h - 0.5 * xywh[3] * h)
  6.     x2 = int(xywh[0] * w + 0.5 * xywh[2] * w)
  7.     y2 = int(xywh[1] * h + 0.5 * xywh[3] * h)
  8.     cv2.rectangle(img, (x1,y1), (x2, y2), (0,255,0), thickness=tl, lineType=cv2.LINE_AA)
  9.  
  10.     clors = [(255,0,0),(0,255,0),(0,0,255),(255,255,0)]
  11.  
  12.     for i in range(4):
  13.         point_x = int(landmarks[2 * i] * w)
  14.         point_y = int(landmarks[2 * i + 1] * h)
  15.         cv2.circle(img, (point_x, point_y), tl+1, clors[i], -1)
  16.  
  17.     tf = max(tl - 1, 1)  # font thickness
  18.     label = str(conf)[:5]
  19.     cv2.putText(img, label, (x1, y1 - 2), 0, tl / 3, [225, 255, 255], thickness=tf, lineType=cv2.LINE_AA)
  20.     return img

此外，这段代码用到了没有定义的gn_lks，因此将detect.py 210行左右

gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]

改为

  1.             gn = torch.tensor(im0.shape)[[1, 0, 1, 0]].to(device)  # normalization gain whwh
  2.             gn_lks = torch.tensor(im0.shape)[[1, 0, 1, 0, 1, 0, 1, 0, ]].to(device)  # normalization gain landmarks

更改后，结果可正常可视化

结果可视化（最终版）

        虽然上面的更改也可以使结果可视化，但仅仅是将点画到照片或视频上，各种保存为txt之类的功能都没有使用。因此为提高代码的健壮性，我们最好在detect.py上直接修改

        发现了一个很有趣的事情，在run函数（如下）中，默认data是coco128.yaml，但实际上不管data是什么，甚至是一个不存在的文件，都不会对输出结果产生任何影响，而输出的data仍coco128.yaml

  1. @torch.no_grad()
  2. def run(weights=ROOT / 'yolov5s.pt',  # model.pt path(s)
  3.         source=ROOT / 'data/images',  # file/dir/URL/glob, 0 for webcam
  4.         data=ROOT / 'data/coco.yaml',  # dataset.yaml path 
  5.         imgsz=(640, 640),  # inference size (height, width)

经过分析发现，是因为下面的传入参数的代码默认传入coco128.yaml，也就是说，对于run函数，相当于对他传入了coco128.yaml，因此不会执行默认的coco.yaml；想要更改默认的参数，需要更改下面传入参数的代码，在detect.py的最下方

  1. def parse_opt():
  2.     parser = argparse.ArgumentParser()
  3.     parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
  4.     parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')
  5.     parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')

还有另一个有趣的事情。虽然在detect中我添加了yaml文件，里面有类别的名字，但输出的类名还是0，1，2，3.分析后发现，.pt文件中保留了类名，而我在训练集时候类名是0，1，2，3。虽然在detect中添加了yaml文件，但这一步是在读取.pt文件类名之前的，也就是说我的新类名被.pt文件中的类名覆盖了

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小蓝xlanll/article/detail/482720
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号