首次利用YOLOV5源码对Fight和noFight进行训练检测
- 数据集不好寻找就自己从kaggle上下载打架和不打架的avi数据，再利用代码进行划帧分割成图片
import cv2 import os def close_VideoCapture(cap): cap.release() def load_avi_file_sid_cid_time(video_filename): try: cap = cv2.VideoCapture(video_filename) if cap.isOpened(): return cap else: print("load avi file failed!\n") return None except: return None def search_avi_and_get_frame(path1,savepath): for filename in os.listdir(path1): if os.path.isdir(os.path.join(path1,filename)): path1_ = os.path.join(path1,filename) savepath_ = os.path.join(savepath,filename) search_avi_and_get_frame(path1_,savepath_) print('is dir',filename) elif filename[0] == '.': print('is . continue') continue else: print(filename) firstname,lastname =filename.split('.')[0],filename.split('.')[1] # print(firstname,lastname) if lastname == 'avi': # try: # new_dir = savepath+'\\' + newmakedirname newmakedir = os.path.join(savepath,firstname) # newmakedir = os.path.join(new_dir, firstname) if not os.path.exists(newmakedir): os.makedirs(newmakedir) cap = load_avi_file_sid_cid_time(os.path.join(path1,filename)) startframe = 1 skipframe = 1 while cap: # 以帧率的形式进行抽帧 cap.set(cv2.CAP_PROP_POS_FRAMES, startframe) ret, frame = cap.read() if ret: cv2.imwrite(os.path.join(newmakedir,'{}.jpg'.format(startframe)), frame) startframe += skipframe else: close_VideoCapture(cap) break # except: # print('errorfile',filename) if __name__ == '__main__': # avi文件目录 path_ = r'' #截图的图片目录 savepath_ = r'' search_avi_and_get_frame(path_,savepath_)将图片分割出后，需要进行排序处理，如果数据集不够好，先进行筛选处理
import os class BatchRename(): def __init__(self): self.path = r'' # 表示需要命名处理的文件夹 self.save_path = r'' # 保存重命名后的图片地址 def rename(self): filelist = os.listdir(self.path) # 获取文件路径 total_num = len(filelist) # 获取文件长度（个数） i = 9051 # 表示文件的命名是从200000开始的 for item in filelist: print(item) if item.endswith('.jpg'): # 初始的图片的格式为jpg格式的（或者源文件是png格式及其他格式，后面的转换格式就可以调整为自己需要的格式即可） src = os.path.join(os.path.abspath(self.path), item) # 当前文件中图片的地址 dst = os.path.join(os.path.abspath(self.save_path), '' + str(i) + '.jpg') # 处理后文件的地址和名称,可以自己按照自己的要求改进 try: os.rename(src, dst) print('converting %s to %s ...' % (src, dst)) i = i + 1 except: continue print('total %d to rename & converted %d jpgs' % (total_num, i)) if __name__ == '__main__': demo = BatchRename() demo.rename()这样就可以对数据及进行很好的第一步处理，YOLO作为一个快速检测的模型，需要.txt文本数据集
-
接下来就是对数据集进行打标签，labelimg https://github.com/tzutalin/labelImg
从这里下载工具，放在项目里或者其他目录都可以
我就放在了这里，个人喜好
打开虚拟终端，进入项目环境或者自己配置一个环境
我是自己配置了一个环境，将下面的命令直接复制进去
conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
第三个尤其重要！！！
如果出现这样的就一条一条安装吧
成功后会出现三个done.
然后我们用pycharm运行labelimg
这两个错误不用管，可以直接运行，我第一次以为不能运行，各种改环境，库的版本，还有python的版本都降低了，直接怀疑人生，偶然shift+F10居然运行出来了，我那个气啊
接下来，我们打开labelimg的data文件
继续打开
改成自己的标签
这里也就自动变更了
新建一个文件夹，放置你的txt文本，我是放在了桌面上，等下面划分的时候方便
第一个只是打开一个图片
第二个我们打开一个文件夹
第三个是我们要存取的位置
记得要点击保存的格式，这里为YOLO！！重新打开有时候会变，要注意，血的教训
点击上面的查看，选择自动保存和显示类别
快捷键在帮助里面查看，就不多介绍了
如何打开，终端返回一连串的数字和英文，说明你的显存不够，关闭一些应用就可以，要不就等一下让它缓一缓，或者重启
标签处理就介绍到这里
- 下面开始配置文件
- 数据集放置
按照我的这个格式，我没有利用测试集，训练集：验证集=9：1 ，如果加测试集就是8：1：1的划分。
- 修改文件
data文件下的V0C复制，粘贴在同目录下，我改成violence
只保留训练和验证的图片路径，nc是类别，names是标签
然后是model文件的修改
和data类似，我用的yolov5s网络结构，复制一个在同目录下，这里我的名字就是那个yolov5s-VF
只需要将nc改成你自己的种类数就行，其他的不用管
- 接下来就是train
--cfg:default=model/你自己在model加的文件路径
--data:就是在data中加的文件路径
还有根据自己的电脑配置修改bantch和workers，
我用的台式机，i5处理器，而且没有GPU,不怎么好，一开始bantch是8，workers是4，训练到第七轮，无法训练，显示分配的字节太多，就降低了，
- 训练结束
在目录下生成一个train文件，里面包含各种参数和评价指标，两个权重，last和best
best：表示最好的模型，识别某一个目标是最好的，但是泛化性不强
last:与best相反
data的image加入一些图片
运行detect.py,识别的结果在
总的来说，数据集差点儿火候，毕竟是从视频中划分下来的，像素点差点儿意思，最近还在看UI，做出一个界面，可以识别视频的和实时的，第一次搞这个也没少走弯路，出现各种各样没见过的错误，熟能生巧吧
大佬们请教了