基于yolo5工地安全帽和禁入危险区域识别系统,附数据集

基于yolo5工地安全帽和禁入危险区域识别系统,附数据集

机器学习AI算法工程 10月8日

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号：datayx

 

该项目是使用 YOLOv5 来训练在智能工地安全领域中头盔目标检测的应用

 

 

 

 

代码及运行教程，训练模型，数据集  获取：

关注微信公众号 datayx  然后回复  安全帽  即可获取。

AI项目体验地址 https://loveai.tech

 

创建自己的数据集配置文件

因为我这里只是判断 【人没有带安全帽】、【人有带安全帽】、【人体】 3个类别 ，基于 data/coco128.yaml 文件，创建自己的数据集配置文件 custom_data.yaml

 

创建每个图片对应的标签文件

使用标注工具类似于 Labelbox 、CVAT 、精灵标注助手 标注之后，需要生成每个图片对应的 .txt 文件，其规范如下：

• 每一行都是一个目标

• 类别序号是零索引开始的（从0开始）

• 每一行的坐标 class x_center y_center width height 格式

• 框坐标必须采用归一化的 xywh格式（从0到1）。如果您的框以像素为单位，则将x_center和width除以图像宽度，将y_center和height除以图像高度。代码如下：

 

 

生成的 .txt 文件放置的名字是图片的名字，放置在 label 文件夹中，例如：

 

 

聚类得出先验框（可选）

 

 

选择一个你需要的模型

在文件夹 ./models 下选择一个你需要的模型然后复制一份出来，将文件开头的 nc = 修改为数据集的分类数，下面是借鉴 ./models/yolov5s.yaml来修改的

 

 

 

开始训练

这里选择了 yolov5s 模型进行训练，权重也是基于 yolov5s.pt 来训练

 

其中，yolov5s.pt 需要自行下载放在本工程的根目录即可，下载地址 官方权重

看训练之后的结果

训练之后，权重会保存在 ./runs 文件夹里面的每个 exp 文件里面的 weights/best.py ，里面还可以看到训练的效果 

 

侦测图片会保存在 ./inferenct/output/ 文件夹下

运行命令：

 

 

检测危险区域内是否有人

 

危险区域标注方式，

我这里使用的是 精灵标注助手 标注，生成了对应图片的 json 文件

侦测图片会保存在 ./inferenct/output/ 文件夹下

运行命令：

效果：在危险区域里面的人体会被 红色框 选出来

 

生成 ONNX

安装 onnx 库

pip install onnx

 

执行生成

 

增加数据集的分类

关于增加数据集分类的方法：

SHWD 数据集里面没有 person 的类别，先将现有的自己的数据集执行脚本生成 yolov5 需要的标签文件 .txt，之后再用 yolov5x.pt 加上 yolov5x.yaml ，使用指令检测出人体

python detect.py --save-txt --source ./自己数据集的文件目录 --weights ./weights/yolov5x.pt

yolov5 会推理出所有的分类，并在 inference/output 中生成对应图片的 .txt 标签文件；

修改 ./data/gen_data/merge_data.py 中的自己数据集标签所在的路径，执行这个python脚本，会进行 person 类型的合并