Mask R-CNN上手指南:通过对象检测和分割实现对无人机的检测Pythondeephub-

目标检测是一种计算机视觉技术，用于识别和定位图像中的目标。有很多检测算法存在，这里有一个很好的总结。

Mask R-CNN是目标检测的扩展，它为图像中检测到的每个目标生成边界框和分割掩模。这篇文章是关于使用Mask R-CNN训练自定义数据集的指南，希望它能帮助你们中的一些人简化这个过程。

https://github.com/matterport/Mask_RCNN/blob/master/samples/shapes/train_shapes.ipynb

库和包

算法的主要包是mrcnn。下载库并将其导入到环境中。

!pip install mrcnnfrom mrcnn.config import Config from mrcnn import utils import mrcnn.model as modellib from mrcnn import visualize from mrcnn.model import log 

mrcnn还不能与TensorFlow 2.0兼容，所以请确保您恢复到TensorFlow 1.x。因为我是在Colab上开发的，所以我将使用magic函数来恢复到TensorFlow 1.x。这也是TF被诟病的地方，兼容基本靠改。

%tensorflow_version 1.x import tensorflow as tf 

在TensorFlow 2.0中，tf.random_shuffle被重命名为tf.random.shuffle，从而导致不兼容问题。通过更改mrcnn代码中的shuffle函数，可以使用TensorFlow 2.0。

使用Colab最好把Keras到以前的版本，如果遇到错误的话，这样才做，没有的话就忽略吧。

!pip install keras==2.2.5 

预处理

mrcnn包在接收的数据格式方面相当灵活。我们这里直接处理成NumPy数组。

在此之前，cv2无法正确读取video17_295和 video19_1900。因此，我过滤掉了这些图像并创建了一个文件名列表。

dir = "Database1/"# filter out image that cant be read prob_list = ['video17_295','video19_1900'] # cant read format txt_list = [f for f in os.listdir(dir) if f.endswith(".txt") and f[:-4] not in prob_list] file_list = set([re.match("w+(?=.)",f)[0] for f in txt_list])# create data list as tuple of (jpeg,txt) data_list = [] for f in file_list:     data_list.append((f+".JPEG",f+".txt")) 

接下来要做的事情

• 检查标签是否存在（某些图像不包含无人机）
• 读取和处理图像
• 读取和处理边界框的坐标
• 可视化目的绘制边界框

X,y = [], [] img_box = [] DIMENSION = 128 # set low resolution to decrease training timefor i in range(len(data_list)):     # get bounding box and check if label exist     with open(dir+data_list[i][1],"rb") as f:     box = f.read().split()     if len(box) != 5:          continue # skip data if does not contain labelbox = [float(s) for s in box[1:]]# read imageimg = cv2.imread(dir+data_list[i][0])     img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)# resize img to 128 x 128     img = cv2.resize(img, (DIMENSION,DIMENSION), interpolation= cv2.INTER_LINEAR)# draw bounding box (for visualization purposes)     resize1, resize2 = img.shape[0]/DIMENSION, img.shape[1]/DIMENSION     p1,p2,p3,p4 = int(box[0]*img.shape[1]*resize2), int(box[1]*img.shape[0]*resize1) ,int(box[2]*img.shape[1]*resize2) ,int(box[3]*img.shape[0]*resize1)ymin, ymax, xmin, xmax = p2-p4//2, p2+p4//2, p1-p3//2, p1+p3//2draw = cv2.rectangle(img.copy(),(xmax,ymax),(xmin,ymin),color=(255,255,0),thickness =1)# store data if range of y is at least 20 pixels (remove data with small drones)     if ymax - ymin >=20:         X.append(img)         y.append([ymin, ymax, xmin, xmax])         img_box.append(draw)# convert to numpy arraysX = np.array(X).astype(np.uint8) y = np.array(y) img_box = np.array(img_box) 

在转换为NumPy数组之前，我获取数据集的一个子集，作为测试可以减少训练时间。

如果你有计算能力的话，可以省略。

以下是图片：

MRCNN处理

现在来看看mrcnn本身，我们需要在训练过程之前定义一个mrcnn数据集类。这个数据集类提供图像的信息，比如它所属的类和对象在其中的位置。mrcnn.utils包含这个类

这里的事情变得有点棘手，需要阅读一些源代码。这些是你需要修改的功能：

https://github.com/matterport/Mask_RCNN/blob/master/mrcnn/utils.py

• add_class，用于确定模型的类数

• 添加映像，在其中定义映像id和映像路径（如果适用）

• 加载图像，其中加载图像数据

• 加载掩码，获取有关图像的掩码/边框的信息

# define drones dataset using mrcnn utils classclass DronesDataset(utils.Dataset):     def __init__(self,X,y): # init with numpy X,y         self.X = X         self.y = y         super().__init__()def load_dataset(self):         self.add_class("dataset",1,"drones") # only 1 class, drones         for i in range(len(self.X)):             self.add_image("dataset",i,path=None)def load_image(self,image_id):         image = self.X[image_id] # where image_id is index of X         return imagedef load_mask(self,image_id):     # get details of image     info = self.image_info[image_id]     #create one array for all masks, each on a different channel     masks = np.zeros([128, 128, len(self.X)], dtype='uint8')class_ids = []     for i in range(len(self.y)):         box = self.y[info["id"]]         row_s, row_e = box[0], box[1]         col_s, col_e = box[2], box[3]         masks[row_s:row_e, col_s:col_e, i] = 1 # create mask with similar boundaries as bounding box         class_ids.append(1)return masks, np.array(class_ids).astype(np.uint8) 

我们已经将图像格式化为NumPy数组，因此可以简单地用数组初始化Dataset类，并通过索引到数组中来加载图像和边界框。

接下来分割训练和测试集。

# train test split 80:20np.random.seed(42) # for reproducibility p = np.random.permutation(len(X)) X = X[p].copy() y = y[p].copy()split = int(0.8 * len(X))X_train = X[:split] y_train = y[:split]X_val = X[split:] y_val = y[split:] 

现在将数据加载到数据集类中。

# load dataset into mrcnn dataset classtrain_dataset = DronesDataset(X_train,y_train) train_dataset.load_dataset() train_dataset.prepare()val_dataset = DronesDataset(X_val,y_val) val_dataset.load_dataset() val_dataset.prepare() 

prepare（）函数使用图像ID和类ID信息为mrcnn模型准备数据，下面是我们从mrcnn导入的config类的修改。Config类确定训练中使用的变量，应该根据数据集进行调整。

下面的这些变量并非详尽无遗，您可以参考文档中的完整列表。

class DronesConfig(Config):     # Give the configuration a recognizable name     NAME = "drones"# Train on 1 GPU and 2 images per GPU.     GPU_COUNT = 1     IMAGES_PER_GPU = 2# Number of classes (including background)     NUM_CLASSES = 1+1  # background + drones# Use small images for faster training.      IMAGE_MIN_DIM = 128     IMAGE_MAX_DIM = 128# Reduce training ROIs per image because the images are small and have few objects.     TRAIN_ROIS_PER_IMAGE = 20# Use smaller anchors because our image and objects are small     RPN_ANCHOR_SCALES = (8, 16, 32, 64, 128)  # anchor side in pixels# set appropriate step per epoch and validation step     STEPS_PER_EPOCH = len(X_train)//(GPU_COUNT*IMAGES_PER_GPU)     VALIDATION_STEPS = len(X_val)//(GPU_COUNT*IMAGES_PER_GPU)# Skip detections with < 70% confidence     DETECTION_MIN_CONFIDENCE = 0.7config = DronesConfig() config.display() 

根据您的计算能力，您可能需要相应地调整这些变量。否则，您将面临卡在“Epoch 1”的问题，并且不会给出错误消息。甚至还有针对这个问题提出的GitHub问题，并提出了许多解决方案。如果你遇到这种情况，一定要检查一下，并测试一下这些建议中的一些。

https://github.com/matterport/Mask_RCNN/issues/287

MRCNN 训练

mrcnn通过COCO和ImageNet数据集进行了训练。所以这里只要使用这些预先训练的权重进行迁移学习，我们需要将其下载到环境中（记住首先定义根目录）

# Local path to trained weights file COCO_MODEL_PATH = os.path.join(ROOT_DIR, "mask_rcnn_coco.h5")# Download COCO trained weights from Releases if needed if not os.path.exists(COCO_MODEL_PATH):     utils.download_trained_weights(COCO_MODEL_PATH) 

创建模型并使用预先训练的权重。

# Create model in training mode using gpuwith tf.device("/gpu:0"):     model = modellib.MaskRCNN(mode="training", config=config,model_dir=MODEL_DIR)# Which weights to start with? init_with = "imagenet"  # imagenet, cocoif init_with == "imagenet":     model.load_weights(model.get_imagenet_weights(), by_name=True) elif init_with == "coco":     # Load weights trained on MS COCO, but skip layers that     # are different due to the different number of classes     # See README for instructions to download the COCO weights     model.load_weights(COCO_MODEL_PATH, by_name=True,exclude=["mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask"]) 

现在，我们可以开始进行实际训练。

model.train(train_dataset, val_dataset,learning_rate=config.LEARNING_RATE,epochs=5,layers='heads') # unfreeze head and just train on last layer 

我只训练最后一层来检测数据集中的无人机。如果时间允许，您还应该通过训练前面的所有层来微调模型。

model.train(train_dataset, val_dataset,              learning_rate=config.LEARNING_RATE / 10,             epochs=2,              layers="all") 

完成了mrcnn模型的训练后。可以用这两行代码保存模型的权重。

# save weights model_path = os.path.join(MODEL_DIR, "mask_rcnn_drones.h5") model.keras_model.save_weights(model_path) 

MRCNN推断

要对其他图片进行推理，需要创建一个具有自定义配置的新推理模型。

# make inferenceclass InferenceConfig(DronesConfig):     GPU_COUNT = 1     IMAGES_PER_GPU = 1inference_config = InferenceConfig()# Recreate the model in inference mode model = modellib.MaskRCNN(mode="inference",config=inference_config, model_dir=MODEL_DIR)# Load trained weightsmodel_path = os.path.join(MODEL_DIR, "mask_rcnn_drones.h5") model.load_weights(model_path, by_name=True) 

可视化

def get_ax(rows=1, cols=1, size=8):     _, ax = plt.subplots(rows, cols, figsize=(size*cols, size*rows))return ax# Test on a random image image_id = random.choice(val_dataset.image_ids) original_image, image_meta, gt_class_id, gt_bbox, gt_mask = modellib.load_image_gt(val_dataset, inference_config,image_id, use_mini_mask=False)results = model.detect([original_image], verbose=1) r = results[0]visualize.display_instances(original_image, r['rois'], r['masks'], r['class_ids'],val_dataset.class_names, r['scores'], ax=get_ax()) 

好了，我们已经训练了一个带有自定义数据集的mrcnn模型。

作者：Benjamin Lau