OpenCV之YOLOv4 目标检测

news/2024/7/10 0:30:22 标签: 人工智能, 计算机视觉, YOLO, 目标检测, cnn, opencv
  • 💂 个人主页:风间琉璃
  • 🤟 版权: 本文由【风间琉璃】原创、在CSDN首发、需要转载请联系博主
  • 💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦

目录

前言

YOLOV4%E7%AE%80%E4%BB%8B-toc" style="margin-left:0px;">一、YOLOV4简介

二、预处理

1.获取分类名

2.获取输出层名称

3.图像尺度变换

三、模型加载和推理

四、后处理

五、源码

前言

YOLOv4（You Only Look Once version 4）是计算机视觉领域中的一个物体检测算法，它是 YOLO 系列算法的最新版本之一。YOLOv4 极大地改进了物体检测的性能和准确性，并且在速度和精度之间取得了良好的平衡。

YOLOV4%E7%AE%80%E4%BB%8B">一、YOLOV4简介

yolov4网络结构如下：

yolov4相对于yolov3 spp性能提升的不多，但是相对应yolov3，性能得到了极大的提高。

yolov4基本组成：

1. CBM：Yolov4网络结构中的最小组件，由Conv+Bn+Mish激活函数三者组成。
2. CBL：由Conv+Bn+Leaky_relu激活函数三者组成。
3. Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。
4. CSPX：借鉴CSPNet网络结构，由卷积层和X个Res unint模块Concat组成。
5. SPP：采用1×1，5×5，9×9，13×13的最大池化的方式，进行多尺度融合。

 其他操作：

1. Concat：张量拼接，维度会扩充，对应于cfg文件中的route操作。
2. Add：张量相加，不会扩充维度，对应于cfg文件中的shortcut操作。

总得来说，作者将近几年关于深度学习领域最新研究的tricks移植到Yolov4中做验证测试，将yolov3的精度提高了不少。虽然没有全新的创新，但很多改进之处都值得借鉴，借用Yolov4作者的总结 

详细请参考大佬写的笔记：深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解_yolo4理解江大白_江大白*的博客-CSDN博客 

yolov4网络模型和配置文件下载：

yolov4.cfg：https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov4.cfg

yolov4.weights:https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

coco.names:https://github.com/AlexeyAB/darknet/blob/master/data/coco.names

二、预处理

1.获取分类名

数据集采用的coco数据集，需要将coco.names包含训练模型的所有类名称加载到内存中。

string classsepath = "F:/data/CQU/VS/yolov4/coco.names";


//获取数据集标签
vector<string> getclasssnames(string classnamespath)
{
    ifstream ifs(classnamespath);
    vector<string> names;
    if (ifs.is_open())
    {
        string line;
        while (getline(ifs, line))
        {
            //printf("name:%s\n", line.c_str());
            names.push_back(line);
        }
        
    }
    return names;
}

2.获取输出层名称

YOLOv4由于可以在三个不同的尺度上进行检测，也就是说它有三个输出层，因此我们需要获得它的三个输出层的名称。

//获取未连接的输出层名称
vector<string> getoutputnames(const Net& net)
{
    vector<string>  names = net.getUnconnectedOutLayersNames();
    for (int i = 0; i < names.size(); i++)
    {
        printf("output layer name:%s\n", names.at(i).c_str());
    }
    return names;
}

3.图像尺度变换

神经网络的输入图像需要采用称为blob的特定格式。从输入图像或视频流中读取帧后，将通过blobFromImage函数将其转换为神经网络的输入blob。

在此过程中，它使用比例因子1/255将图像像素值缩放到0到1的目标范围。它还将图像的大小调整为给定大小（416,416）而不进行裁剪。视频处理使用416，小尺寸，帧率会提高一些，图像目标检测是使用608尺寸的。
 

Mat blob = blobFromImage(frame, 1 / 255.0, Size(416, 416));

三、模型加载和推理

加载网络直接使用readNetFromDarknet或者readNet都行。

 //加载网络
 Net net = readNetFromDarknet(config, weights);
 if (net.empty())
 {
     printf("Could not load yolov4....\n");
     return;
 }

这里可以根据个人的情况设置是否使用CUDA加速，我编译过CUDA的OpenCV，所以这里利用第二种方式

    //设置计算平台
#if 0
    //cpu：
    net.setPreferableBackend(DNN_BACKEND_OPENCV);
    net.setPreferableTarget(DNN_TARGET_CPU);

#elif 1
    //cuda
    net.setPreferableBackend(DNN_BACKEND_CUDA);
    net.setPreferableTarget(DNN_TARGET_CUDA_FP16);

#endif

  预处理和网络模型都完成后就可以进行图像的预测。

 net.setInput(blob);

 vector<Mat> outs;
 net.forward(outs, outputnamse);

预测的结果保存在outs的Mat类型矩阵中。接下来就需要对这个预测结果进行后处理。  

四、后处理

yolov4的后处理基本上和yolov3的后处理操作是一样的，具体可以参考yolov3的处理：OpenCV之YOLOv3目标检测_风间琉璃•的博客-CSDN博客

//后处理
float* data;  //存储每一层输出结果
Mat scores;   //存储分类的概率，大小80
vector<Rect> boxes;  //边框信息”x，y,w,h
vector<int> classIds; //存储所有分类索引值
vector<float> confidences;  //置信度存储用于NMS

int centerX, centerY, width, height, left, top;
float confidenceThreshold = 0.5;
float nmsThreashold = 0.4;
double confidence; //获取自信度
Point classIdPoint;//获取分类索引值 

//对每一个输出层找到所有目标以及位置
for (int i = 0; i < outs.size(); i++)
{
    data = (float*)outs[i].data; //分别处理每一层
    for (int j = 0; j < outs[i].rows; j++, data += outs[i].cols)
    {
        //分类概率
        scores = outs[i].row(j).colRange(5, outs[i].cols);
        minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
        if (confidence > confidenceThreshold)
        {
            centerX = (int)(data[0] * frame.cols);
            centerY = (int)(data[1] * frame.rows);
            width = (int)(data[2] * frame.cols);
            height = (int)(data[3] * frame.rows);
            left = centerX - width / 2;
            top = centerY - height / 2;

            classIds.push_back(classIdPoint.x);
            confidences.push_back((float)confidence);
            boxes.push_back(Rect(left, top, width, height));
        }

    }

}

//非极大值抑制消除重叠度较高但置信度低的边界框
vector<int> indices; //NMSBoxes输出，包含经过非极大值抑制后的所选边界框的索引
NMSBoxes(boxes, confidences, confidenceThreshold, nmsThreashold, indices);
for (int i = 0; i < indices.size(); i++)
{
    int idx = indices[i];
    Rect box = boxes[idx];
    //在图像上绘制检测结果，包括类别标签、置信度和边界框
    drawPred(classesnames, classIds[idx], confidences[idx], box.x, box.y, box.x + box.width, box.y + box.height, frame);
}

//FPS计算
t = ((double)getTickCount() - t) / getTickFrequency();//求输入帧后经过的周期数/每秒系统计的周期数=一帧用时多少秒
//求倒数得到每秒经过多少帧，即帧率
double fps = 1.0 / t; 
string text = format("FPS:%.2f", fps);
cv::putText(frame, text, Point(10, 50), FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8, 0);

imshow("yolov4", frame);
int c = waitKey(1);
if (c == 27)
{
    break;
}

 绘制边界框：

//画预测的目标bounding box
void drawPred(vector<string> classesnames,int classId, float conf, int left, int top, int right, int bottom, Mat& frame)
{
    //获取类别名称及其置信度
    string label = format("%.2f", conf);
    if (!classesnames.empty())
    {
        CV_Assert(classId < (int)classesnames.size());
        label = classesnames[classId] + ":" + label;
    }


    //box 和 text 的颜色
    Scalar rectColor, textColor;
    //在边界框的顶部显示标签
    int baseLine;
    Size labelSize = getTextSize(label, FONT_HERSHEY_SIMPLEX, 0.5, 1, &baseLine);
    //确保顶部位置足够高以容纳标签
    top = max(top, labelSize.height);

    // 创建随机数生成器
    random_device rd;
    mt19937 generator(rd());

    // 创建均匀分布对象，范围是1到50
    uniform_int_distribution<int> distribution(1, 80);
    // 生成随机数
    int random_number = distribution(generator);

    //设置颜色
    rectColor = Scalar(random_number * 11 % 256, random_number * 22 % 256, random_number * 33 % 256);
    textColor = Scalar(255 - random_number * 11 % 256, 255 - random_number * 22 % 256, 255 - random_number * 33 % 256);

  
    
    //绘制检测目标的矩形框
    rectangle(frame, Point(left, top), Point(right, bottom), rectColor, 2);
    //文字边框
    rectangle(frame, Point(left, top - round(1.5 * labelSize.height)), Point(left + round(1.5 * labelSize.width), top + baseLine), textColor, FILLED);
    putText(frame, label, Point(left, top), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
}

运行结果：

图片：

视频：

YOLOv4：下一代目标检测算法的革命性突破

五、源码

资源下载：https://download.csdn.net/download/qq_53144843/88357523

// yolov4.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//

#include <iostream>
#include <fstream>
#include <random>


#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>

using namespace std;
using namespace cv;
using namespace cv::dnn;


void image_detection(string config, string weights, string classespath, string image_path);
void video_detection(string config, string weights, string classespath, string video_path);


//获取数据集标签
vector<string> getclasssnames(string classnamespath)
{
    ifstream ifs(classnamespath);
    vector<string> names;
    if (ifs.is_open())
    {
        string line;
        while (getline(ifs, line))
        {
            //printf("name:%s\n", line.c_str());
            names.push_back(line);
        }
        
    }
    return names;
}

//获取未连接的输出层名称
vector<string> getoutputnames(const Net& net)
{
    vector<string>  names = net.getUnconnectedOutLayersNames();
    for (int i = 0; i < names.size(); i++)
    {
        printf("output layer name:%s\n", names.at(i).c_str());
    }
    return names;
}



//画预测的目标bounding box
void drawPred(vector<string> classesnames,int classId, float conf, int left, int top, int right, int bottom, Mat& frame)
{
    //获取类别名称及其置信度
    string label = format("%.2f", conf);
    if (!classesnames.empty())
    {
        CV_Assert(classId < (int)classesnames.size());
        label = classesnames[classId] + ":" + label;
    }


    //box 和 text 的颜色
    Scalar rectColor, textColor;
    //在边界框的顶部显示标签
    int baseLine;
    Size labelSize = getTextSize(label, FONT_HERSHEY_SIMPLEX, 0.5, 1, &baseLine);
    //确保顶部位置足够高以容纳标签
    top = max(top, labelSize.height);

    // 创建随机数生成器
    random_device rd;
    mt19937 generator(rd());

    // 创建均匀分布对象，范围是1到50
    uniform_int_distribution<int> distribution(1, 80);
    // 生成随机数
    int random_number = distribution(generator);

    //设置颜色
    rectColor = Scalar(random_number * 11 % 256, random_number * 22 % 256, random_number * 33 % 256);
    textColor = Scalar(255 - random_number * 11 % 256, 255 - random_number * 22 % 256, 255 - random_number * 33 % 256);

  
    
    //绘制检测目标的矩形框
    rectangle(frame, Point(left, top), Point(right, bottom), rectColor, 2);
    //文字边框
    rectangle(frame, Point(left, top - round(1.5 * labelSize.height)), Point(left + round(1.5 * labelSize.width), top + baseLine), textColor, FILLED);
    putText(frame, label, Point(left, top), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
}


int main()
{
    string config = "F:/data/CQU/VS/yolov4/yolov4.cfg";
    string weights = "F:/data/CQU/VS/yolov4/yolov4.weights";
    string classsepath = "F:/data/CQU/VS/yolov4/coco.names";

    string image_path = "F:/data/CQU/VS/yolov4/dog.jpg";
    string video_path = "F:/data/CQU/VS/yolov4/car.mp4";

    //image_detection(config, weights, classsepath, image_path);
    video_detection(config, weights, classsepath, video_path);


}

void image_detection(string config, string weights, string classespath, string image_path)
{
    //加载网络
    Net net = readNetFromDarknet(config, weights);
    if (net.empty())
    {
        printf("Could not load yolov4....\n");
        return;
    }

    //设置计算平台
#if 1 
    //cpu：
    net.setPreferableBackend(DNN_BACKEND_OPENCV);
    net.setPreferableTarget(DNN_TARGET_CPU);

#elif 0
    //cuda
    net.setPreferableBackend(DNN_BACKEND_CUDA);
    net.setPreferableTarget(DNN_TARGET_CUDA_FP16);

#endif

    //获取标签
    vector<string> classesnames = getclasssnames(classespath);
    //获取输出层名称
    vector<string> outputnamse = getoutputnames(net);

    Mat image = imread(image_path);
    if (image.empty())
    {
        printf("Colud not load image...\n");
        return;
    }

    Mat blob = blobFromImage(image, 1 / 255.0, Size(608, 608));

    net.setInput(blob);
    vector<Mat> outs;
    net.forward(outs, outputnamse);

    //后处理
    float* data;  //存储每一层输出结果
    Mat scores;   //存储分类的概率，大小80
    vector<Rect> boxes;  //边框信息”x，y,w,h
    vector<int> classIds; //存储所有分类索引值
    vector<float> confidences;  //置信度存储用于NMS

    int centerX, centerY, width, height, left, top;
    float confidenceThreshold = 0.2;
    float nmsThreashold = 0.4;
    double confidence; //获取自信度
    Point classIdPoint;//获取分类索引值 

    //对每一个输出层找到所有目标以及位置
    for (int i = 0; i < outs.size(); i++)
    {
        data = (float*)outs[i].data; //分别处理每一层
        for (int j = 0; j < outs[i].rows; j++, data += outs[i].cols)
        {
            //分类概率
            scores = outs[i].row(j).colRange(5, outs[i].cols);
            minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
            if (confidence > confidenceThreshold)
            {
                centerX = (int)(data[0] * image.cols);
                centerY = (int)(data[1] * image.rows);
                width = (int)(data[2] * image.cols);
                height = (int)(data[3] * image.rows);
                left = centerX - width / 2;
                top = centerY - height / 2;

                classIds.push_back(classIdPoint.x);
                confidences.push_back((float)confidence);
                boxes.push_back(Rect(left, top, width, height));
            }

        }

    }

    //非极大值抑制消除重叠度较高但置信度低的边界框
    vector<int> indices; //NMSBoxes输出，包含经过非极大值抑制后的所选边界框的索引
    NMSBoxes(boxes, confidences, confidenceThreshold, nmsThreashold, indices);
    for (int i = 0; i < indices.size(); i++)
    {
        int idx = indices[i];
        Rect box = boxes[idx];
        //在图像上绘制检测结果，包括类别标签、置信度和边界框
       drawPred(classesnames,classIds[idx], confidences[idx], box.x, box.y, box.x + box.width, box.y + box.height, image);
    }
    imshow("yolov4", image);
    waitKey(0);
}


void video_detection(string config, string weights, string classespath, string video_path)
{
    //加载网络
    Net net = readNetFromDarknet(config, weights);
    if (net.empty())
    {
        printf("Could not load yolov4....\n");
        return;
    }

    //设置计算平台
#if 0
    //cpu：
    net.setPreferableBackend(DNN_BACKEND_OPENCV);
    net.setPreferableTarget(DNN_TARGET_CPU);

#elif 1
    //cuda
    net.setPreferableBackend(DNN_BACKEND_CUDA);
    net.setPreferableTarget(DNN_TARGET_CUDA_FP16);

#endif

    //获取标签
    vector<string> classesnames = getclasssnames(classespath);
    //获取输出层名称
    vector<string> outputnamse = getoutputnames(net);


    VideoCapture capture;
    capture.open(video_path);
    if (!capture.isOpened())
    {
        printf("Colud not open video...\n");
        return;
    }

    Mat frame;
    while (capture.read(frame))
    {
        Mat blob = blobFromImage(frame, 1 / 255.0, Size(416, 416));

        net.setInput(blob);

        //获得当前系统的计时间周期数,求FPS
        double t = (double)getTickCount();

        vector<Mat> outs;
        net.forward(outs, outputnamse);

        //后处理
        float* data;  //存储每一层输出结果
        Mat scores;   //存储分类的概率，大小80
        vector<Rect> boxes;  //边框信息”x，y,w,h
        vector<int> classIds; //存储所有分类索引值
        vector<float> confidences;  //置信度存储用于NMS

        int centerX, centerY, width, height, left, top;
        float confidenceThreshold = 0.5;
        float nmsThreashold = 0.4;
        double confidence; //获取自信度
        Point classIdPoint;//获取分类索引值 

        //对每一个输出层找到所有目标以及位置
        for (int i = 0; i < outs.size(); i++)
        {
            data = (float*)outs[i].data; //分别处理每一层
            for (int j = 0; j < outs[i].rows; j++, data += outs[i].cols)
            {
                //分类概率
                scores = outs[i].row(j).colRange(5, outs[i].cols);
                minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
                if (confidence > confidenceThreshold)
                {
                    centerX = (int)(data[0] * frame.cols);
                    centerY = (int)(data[1] * frame.rows);
                    width = (int)(data[2] * frame.cols);
                    height = (int)(data[3] * frame.rows);
                    left = centerX - width / 2;
                    top = centerY - height / 2;

                    classIds.push_back(classIdPoint.x);
                    confidences.push_back((float)confidence);
                    boxes.push_back(Rect(left, top, width, height));
                }

            }

        }

        //非极大值抑制消除重叠度较高但置信度低的边界框
        vector<int> indices; //NMSBoxes输出，包含经过非极大值抑制后的所选边界框的索引
        NMSBoxes(boxes, confidences, confidenceThreshold, nmsThreashold, indices);
        for (int i = 0; i < indices.size(); i++)
        {
            int idx = indices[i];
            Rect box = boxes[idx];
            //在图像上绘制检测结果，包括类别标签、置信度和边界框
            drawPred(classesnames, classIds[idx], confidences[idx], box.x, box.y, box.x + box.width, box.y + box.height, frame);
        }

        //FPS计算
        t = ((double)getTickCount() - t) / getTickFrequency();//求输入帧后经过的周期数/每秒系统计的周期数=一帧用时多少秒
        //求倒数得到每秒经过多少帧，即帧率
        double fps = 1.0 / t; 
        string text = format("FPS:%.2f", fps);
        cv::putText(frame, text, Point(10, 50), FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8, 0);

        imshow("yolov4", frame);
        int c = waitKey(1);
        if (c == 27)
        {
            break;
        }
    }
    capture.release();//释放资源
    waitKey(0);
}

结束语
感谢你观看我的文章呐~本次航班到这里就结束啦 🛬

希望本篇文章有对你带来帮助 🎉，有学习到一点知识~

躲起来的星星🍥也在努力发光，你也要努力加油（让我们一起努力叭）。

最后，博主要一下你们的三连呀（点赞、评论、收藏），不要钱的还是可以搞一搞的嘛~

不知道评论啥的，即使扣个666也是对博主的鼓舞吖 💞 感谢 💐


http://www.niftyadmin.cn/n/5035390.html

相关文章

【Leetcode Sheet】Weekly Practice 7

【Leetcode Sheet】Weekly Practice 7

Leetcode Test 1462 课程表Ⅳ(9.12) 你总共需要上 numCourses 门课&#xff0c;课程编号依次为 0 到 numCourses-1 。你会得到一个数组 prerequisite &#xff0c;其中 prerequisites[i] [ai, bi] 表示如果你想选 bi 课程&#xff0c;你 必须 先选 ai 课程。 有的课会有直接…
阅读更多...
libevent学习——Reactor模式

libevent学习——Reactor模式

Reactor模式 Reator的事件处理机制 Reactor翻译为“反应堆”&#xff0c;是一种事件驱动机制。该机制和普通函数调用的不同在于&#xff1a;应用程序不是主动调用某个API完成处理&#xff0c;相反&#xff0c;Reactor逆置了事件处理流程&#xff0c;应用程序需要提供相应的接…
阅读更多...
Process模块怎样在终端进行数据输入？

Process模块怎样在终端进行数据输入？

客户端与服务器的双向通信是通过代码实现的&#xff0c;因为我们无法直接在终端上进行信息输人&#xff0c;例如在客户端终端输入信息发送到服务器&#xff0c;这样的功能就需要依赖 Process 模块来完成。对于每一个终端来说&#xff0c;都是一个标准输入与标准输出的一个接口而…
阅读更多...
FPGA的主流技术与市场表现方面的调研报告

FPGA的主流技术与市场表现方面的调研报告

撰写简单的FPGA的主流技术与市场表现方面的调研报告&#xff0c;表达自己的认知和发展展望&#xff0c;500字&#xff0c;图片&#xff0c;表格除外 FPGA简介 FPGA&#xff08;Field-Programmable Gate Array&#xff09;是一种可编程逻辑器件&#xff0c;是在PAL &#xff08…
阅读更多...
PMP-项目监控过程组的重要性

PMP-项目监控过程组的重要性

一、什么是项目监控过程组 监控过程组包括跟踪、审查和调整项目进展与绩效&#xff0c;识别必要的计划变更并启动相应变更的一组过程。监督是收集项目绩效数据&#xff0c;计算绩效指标&#xff0c;并报告和发布绩效信息。控制是比较实际绩效与计划绩效&#xff0c;分析偏差&am…
阅读更多...
腾讯mini项目-【指标监控服务重构】2023-07-30

腾讯mini项目-【指标监控服务重构】2023-07-30

今日已办 调研 CPU & Memory Cadivisor &#xff23;adivisor -> Prometheus -> (Grafana / SigNoz Web) google/cadvisor: Analyzes resource usage and performance characteristics of running containers. (github.com) services:cadvisor:image: gcr.io/ca…
阅读更多...
用于视觉检测的线扫远心镜头VS-LTC系列

用于视觉检测的线扫远心镜头VS-LTC系列

VS-LTC 系列线扫远心镜头&#xff0c;近期已经新增 3.5倍及5倍型号 &#xff0c;支持大靶面芯片相机&#xff1b;适用于半导体&#xff0c;基板以及 Mini LED等行业的视觉检测。 在机器视觉产品资料查询平台&#xff0c;了解更多VS-LTC工业镜头的信息。 大靶面线扫远心镜头 …
阅读更多...
各种电机驱动原理

各种电机驱动原理

步进电机 步进电机参考资料 野火官方文档 步进电机驱动原理 上面参考文档中有的内容就不写了&#xff0c;写一下我自己的总结吧。 说明&#xff1a; 电机驱动器输入信号有电机转动方向信号DIR&#xff0c;电机转速信号PWM&#xff0c;电机使能信号EN&#xff1b;电机驱动器…
阅读更多...
最新文章

Copyright @ 2022~2023