計(jì)算機(jī)視覺(jué)領(lǐng)域中，目標(biāo)檢測(cè)一直是工業(yè)應(yīng)用上比較熱門且成熟的應(yīng)用領(lǐng)域，比如人臉識(shí)別、行人檢測(cè)等，國(guó)內(nèi)的曠視科技、商湯科技等公司在該領(lǐng)域占據(jù)行業(yè)領(lǐng)先地位。相對(duì)于圖像分類任務(wù)而言，目標(biāo)檢測(cè)會(huì)更加復(fù)雜一些，不僅需要知道這是哪一類圖像，而且要知道圖像中所包含的內(nèi)容有什么及其在圖像中的位置，因此，其工業(yè)應(yīng)用比較廣泛。那么，今天將向讀者介紹該領(lǐng)域中表現(xiàn)優(yōu)異的一種算算法——“你只需要看一次”（you only look once，yolo），提出該算法的作者風(fēng)趣幽默可愛(ài)，其個(gè)人主頁(yè)及論文風(fēng)格顯示了其性情，目前該算法已是第三個(gè)版本，簡(jiǎn)稱YoLo V3。

在本教程中，將學(xué)習(xí)如何使用YOLO、OpenCV和Python檢測(cè)圖像和視頻流中的對(duì)象。主要內(nèi)容有：

簡(jiǎn)要討論YOLO算法；

使用YOLO、OpenCV、Python進(jìn)行圖像檢測(cè)；

使用YOLO、OpenCV、Python進(jìn)行視頻流檢測(cè)；

討論YOLO算法的優(yōu)點(diǎn)和缺點(diǎn)；

當(dāng)涉及基于深度學(xué)習(xí)的對(duì)象檢測(cè)時(shí)，常用的三類算法有：

R-CNN家族系列算法：R-CNN、fast R-CNN以及faster R-CNN；

單發(fā)檢測(cè)器（SSD）；

YOLO算法；
R-CNN算法是最早的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)器之一，其結(jié)構(gòu)是兩級(jí)網(wǎng)絡(luò)；

首先需要諸如選擇性搜索之類的算法來(lái)提出可能包含對(duì)象的候選邊界框；然后將這些區(qū)域傳遞到CNN算法進(jìn)行分類；R-CNN算法存在的問(wèn)題在于其仿真很慢，并且不是完整的端到端的目標(biāo)檢測(cè)器。Fast R-CNN算法對(duì)原始R-CNN進(jìn)行了相當(dāng)大的改進(jìn)，即提高準(zhǔn)確度并減少執(zhí)行正向傳遞所花費(fèi)的時(shí)間，但是，該模型仍然依賴于外部區(qū)域搜索算法。直到2015年，faster R-CNN才成為真正的端到端深度學(xué)習(xí)目標(biāo)檢測(cè)器，刪除了選擇性搜索的要求，而是依賴于（1）完全卷積的區(qū)域提議網(wǎng)絡(luò)（RPN）和（2）可以預(yù)測(cè)對(duì)象邊界框和“對(duì)象”分?jǐn)?shù)（量化它是一個(gè)區(qū)域的可能性的分?jǐn)?shù)）。然后將RPN的輸出傳遞到R-CNN組件以進(jìn)行最終分類和標(biāo)記。R-CNN系列算法的檢測(cè)結(jié)果一般都非常準(zhǔn)確，但R-CNN系列算法最大的問(wèn)題在仿真速度——非常慢，即使是在GPU上也僅獲得5 FPS。為了提高基于深度學(xué)習(xí)的目標(biāo)檢測(cè)器的速度，單次檢測(cè)器（SSD）和YOLO都使用單級(jí)檢測(cè)器策略（one stage）。這類算法將對(duì)象檢測(cè)視為回歸問(wèn)題，獲取給定的輸入圖像并同時(shí)學(xué)習(xí)邊界框坐標(biāo)和相應(yīng)的類標(biāo)簽概率。通常，單級(jí)檢測(cè)器往往不如兩級(jí)檢測(cè)器準(zhǔn)確，但其速度明顯更快。YOLO是單級(jí)檢測(cè)器中一個(gè)很好的算法。YOLO算法于2015年提出，在GPU上獲得了 45 FPS性能，此外，同時(shí)也提出了一個(gè)較小的變體稱為“Fast YOLO”，在GPU上達(dá)到155 FPS的性能。YOLO經(jīng)歷了許多次的迭代，包括YOLOv2，能夠檢測(cè)超過(guò)9,000個(gè)目標(biāo)。直到最近提出的YOLOv3算法，YOLOv3模型比之前的版本要復(fù)雜得多，但它是YOLO系列目標(biāo)檢測(cè)器中最好的一款。本文使用YOLOv3，并在COCO數(shù)據(jù)集上進(jìn)行訓(xùn)練。COCO數(shù)據(jù)集由80個(gè)標(biāo)簽組成，可以使用此鏈接找到Y(jié)OLO在COCO數(shù)據(jù)集上訓(xùn)練的內(nèi)容的完整列表。

1

項(xiàng)目結(jié)構(gòu)

$ tree.
├── images
│ ├── baggage_claim.jpg
│ ├── dining_table.jpg
│ ├── living_room.jpg
│ └── soccer.jpg
├── output
│ ├── airport_output.avi
│ ├── car_chase_01_output.avi
│ ├── car_chase_02_output.avi
│ └── overpass_output.avi
├── videos
│ ├── airport.mp4
│ ├── car_chase_01.mp4
│ ├── car_chase_02.mp4
│ └── overpass.mp4
├── yolo-coco
│ ├── coco.names
│ ├── yolov3.cfg
│ └── yolov3.weights
├── yolo.py
└── yolo_video.py

從上面可以看出，項(xiàng)目包括4個(gè)文件夾和2個(gè)Python腳本。
目錄（按重要性順序）是：

yolo - coco/：YOLOv3對(duì)象檢測(cè)器預(yù)先（在COCO數(shù)據(jù)集上）訓(xùn)練得到最終的權(quán)重文件，可以在Darknet團(tuán)隊(duì)主頁(yè)找到對(duì)應(yīng)的文件；

images/：此文件夾包含四個(gè)靜態(tài)圖像，之后將執(zhí)行對(duì)象檢測(cè)以進(jìn)行測(cè)試和評(píng)估；

videos/：使用YOLO對(duì)圖像進(jìn)行目標(biāo)檢測(cè)器后，將實(shí)時(shí)處理視頻。該文件夾中包含四個(gè)示例視頻可供測(cè)試；

輸出/：輸出已由YOLO處理并帶有邊界框和類名稱注釋的視頻可以放在此文件夾中；

此外還有兩個(gè)Python腳本——yolo.py和 yolo_video.py ，第一個(gè)腳本用于圖像處理，第二個(gè)腳本用于視頻處理。下面進(jìn)入實(shí)戰(zhàn)內(nèi)容，你準(zhǔn)備好了嗎？

2

將YOLO應(yīng)用于圖像對(duì)象檢測(cè)

YOLO算法并沒(méi)有應(yīng)用非最大值抑制，這里需要說(shuō)明一下。應(yīng)用非最大值抑制可以抑制明顯重疊的邊界框，只保留最自信的邊界框，NMS還確保我們沒(méi)有任何冗余或無(wú)關(guān)的邊界框。

利用OpenCV內(nèi)置的NMS DNN模塊實(shí)現(xiàn)即可實(shí)現(xiàn)非最大值抑制，所需要的參數(shù)是邊界框、置信度、以及置信度閾值和NMS閾值。

假設(shè)存在至少一個(gè)檢測(cè)結(jié)果，就循環(huán)用非最大值抑制確定idx 。然后，我們使用隨機(jī)類顏色在圖像上繪制邊界框和文本。最后，顯示結(jié)果圖像，直到用戶按下鍵盤上的任意鍵。
下面進(jìn)入測(cè)試環(huán)節(jié)，打開(kāi)一個(gè)終端并執(zhí)行以下命令：

$python yolo.py --imageimages/baggage_claim.jpg --yolo yolo-coco

[INFO] loading YOLO from disk...
[INFO] YOLO took 0.347815 seconds

3

視頻檢測(cè)解決

那么在學(xué)會(huì)檢測(cè)單張圖像后，我們也可以利用YOLO算法實(shí)現(xiàn)視頻流中的目標(biāo)檢測(cè)。

同樣，首先從導(dǎo)入相關(guān)數(shù)據(jù)包和命令行參數(shù)開(kāi)始。與之前不同的是，此腳本沒(méi)有-- image參數(shù)，取而代之的是量個(gè)視頻路徑：

-- input ：輸入視頻文件的路徑；

-- output ：輸出視頻文件的路徑；

視頻的輸入可以是手機(jī)拍攝的短視頻或者是網(wǎng)上搜索到的視頻。另外，也可以通過(guò)將多張照片合成為一個(gè)短視頻也可以。本博客使用的是在PyImageSearch上找到來(lái)自imutils的VideoStream類的示例。
代碼與處理圖形時(shí)候相同：

YOLO目標(biāo)檢測(cè)器的最大限制和缺點(diǎn)是：

它并不總能很好地處理小物體；

它尤其不適合處理密集的對(duì)象；

限制的原因是由于YOLO算法其本身：

YOLO對(duì)象檢測(cè)器將輸入圖像劃分為SxS網(wǎng)格，其中網(wǎng)格中的每個(gè)單元格僅預(yù)測(cè)單個(gè)對(duì)象；

如果單個(gè)單元格中存在多個(gè)小對(duì)象，則YOLO將無(wú)法檢測(cè)到它們，最終導(dǎo)致錯(cuò)過(guò)對(duì)象檢測(cè)；

因此，如果你的數(shù)據(jù)集是由許多靠近在一起的小對(duì)象組成時(shí)，那么就不應(yīng)該使用YOLO算法。就小物體而言，更快的R-CNN往往效果最好，但是其速度也最慢。在這里也可以使用SSD算法， SSD通常在速度和準(zhǔn)確性方面也有很好的權(quán)衡。
值得注意的是，在本教程中，YOLO比SSD運(yùn)行速度慢，大約慢一個(gè)數(shù)量級(jí)。因此，如果你正在使用預(yù)先訓(xùn)練的深度學(xué)習(xí)對(duì)象檢測(cè)器供OpenCV使用，可能需要考慮使用SSD算法而不是YOLO算法。
因此，在針對(duì)給定問(wèn)題選擇對(duì)象檢測(cè)器時(shí)，我傾向于使用以下準(zhǔn)則：

如果知道需要檢測(cè)的是小物體并且速度方面不作求，我傾向于使用faster R-CNN算法；

如果速度是最重要的，我傾向于使用YOLO算法；

如果需要一個(gè)平衡的表現(xiàn)，我傾向于使用SSD算法；

原文標(biāo)題：10分鐘學(xué)會(huì)使用YOLO及Opencv實(shí)現(xiàn)目標(biāo)檢測(cè)

文章出處：【微信公眾號(hào)：新機(jī)器視覺(jué)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq