基于R-CNN与FastR-CNN的目标检测模型实现

立即解锁
发布时间: 2025-09-01 01:19:29 阅读量: 11 订阅数: 28 AIGC
### 基于R-CNN与Fast R-CNN的目标检测模型实现 #### 1. 数据准备 在进行模型训练之前,需要先准备好训练和验证数据集以及相应的数据加载器。具体步骤如下: ```python n_train = 9*len(FPATHS)//10 train_ds = RCNNDataset(FPATHS[:n_train],ROIS[:n_train], CLSS[:n_train], DELTAS[:n_train], GTBBS[:n_train]) test_ds = RCNNDataset(FPATHS[n_train:], ROIS[n_train:], CLSS[n_train:], DELTAS[n_train:], GTBBS[n_train:]) from torch.utils.data import TensorDataset, DataLoader train_loader = DataLoader(train_ds, batch_size=2, collate_fn=train_ds.collate_fn, drop_last=True) test_loader = DataLoader(test_ds, batch_size=2, collate_fn=test_ds.collate_fn, drop_last=True) ``` 上述代码将数据集按照9:1的比例划分为训练集和测试集,并使用`DataLoader`进行数据加载。 #### 2. R-CNN网络架构 接下来,我们将构建一个能够预测区域建议的类别和偏移量的模型,以在图像中的对象周围绘制紧密的边界框。具体策略如下: 1. 定义一个VGG骨干网络。 2. 通过预训练模型传递归一化的裁剪区域后提取特征。 3. 在VGG骨干网络上附加一个带有sigmoid激活函数的线性层,以预测区域建议对应的类别。 4. 附加一个额外的线性层来预测四个边界框偏移量。 5. 定义两个输出(一个用于预测类别,另一个用于预测四个边界框偏移量)的损失计算。 6. 训练能够预测区域建议类别和四个边界框偏移量的模型。 以下是具体的代码实现: ```python # 定义VGG骨干网络 import torchvision.models as models import torch.nn as nn device = torch.device("cuda" if torch.cuda.is_available() else "cpu") vgg_backbone = models.vgg16(pretrained=True) vgg_backbone.classifier = nn.Sequential() for param in vgg_backbone.parameters(): param.requires_grad = False vgg_backbone.eval().to(device) # 定义RCNN网络模块 class RCNN(nn.Module): def __init__(self): super().__init__() feature_dim = 25088 self.backbone = vgg_backbone self.cls_score = nn.Linear(feature_dim, len(label2target)) self.bbox = nn.Sequential( nn.Linear(feature_dim, 512), nn.ReLU(), nn.Linear(512, 4), nn.Tanh(), ) self.cel = nn.CrossEntropyLoss() self.sl1 = nn.L1Loss() def forward(self, input): feat = self.backbone(input) cls_score = self.cls_score(feat) bbox = self.bbox(feat) return cls_score, bbox def calc_loss(self, probs, _deltas, labels, deltas): detection_loss = self.cel(probs, labels) ixs, = torch.where(labels != 0) _deltas = _deltas[ixs] deltas = deltas[ixs] self.lmb = 10.0 if len(ixs) > 0: regression_loss = self.sl1(_deltas, deltas) return detection_loss + self.lmb * regression_loss, detection_loss.detach(), regression_loss.detach() else: regression_loss = 0 return detection_loss + self.lmb * regression_loss, detection_loss.detach(), regression_loss # 定义训练和验证函数 def train_batch(inputs, model, optimizer, criterion): input, clss, deltas = inputs model.train() optimizer.zero_grad() _clss, _deltas = model(input) loss, loc_loss, regr_loss = criterion(_clss, _deltas, clss, deltas) accs = clss == decode(_clss) loss.backward() optimizer.step() return loss.detach(), loc_loss, regr_loss, accs.cpu().numpy() @torch.no_grad() def validate_batch(inputs, model, criterion): input, clss, deltas = inputs with torch.no_grad(): model.eval() _clss,_deltas = model(input) loss,loc_loss,regr_loss = criterion(_clss, _deltas, clss, deltas) _, _clss = _clss.max(-1) accs = clss == _clss return _clss,_deltas,loss.detach(), loc_loss, regr_loss, accs.cpu().numpy() # 创建模型对象,定义损失函数、优化器和训练轮数 import torch.optim as optim rcnn = RCNN().to(device) criterion = rcnn.calc_loss optimizer = optim.SGD(rcnn.parameters(), lr=1e-3) n_epochs = 5 log = Report(n_epochs) # 训练模型 for epoch in range(n_epochs): _n = len(train_loader) for ix, inputs in enumerate(train_loader): loss, loc_loss,regr_loss,accs = train_batch(inputs, rcnn, optimizer, criterion) pos = (epoch + (ix+1)/_n) log.record(pos, trn_loss=loss.item(), trn_loc_loss=loc_loss, trn_regr_loss=regr_loss, trn_acc=accs.mean(), end='\r') _n = len(test_loader) for ix,inputs in enumerate(test_loader): _clss, _deltas, loss, loc_loss, regr_loss, accs = validate_batch(inputs, rcnn, criterion) pos = (epoch + (ix+1)/_n) log.record(pos, val_loss=loss.item(), val_loc_loss=loc_loss, val_regr_loss=regr_loss, val_acc=accs.mean(), end='\r') # 绘制训练和验证指标 log.plot_epochs('trn_loss,val_loss'.split(',')) ``` #### 3. 在新图像上进行预测 训练好模型后,我们可以使用它在新图像上进行预测。具体步骤如下: 1. 从新图像中提取区域建议。 2. 调整每个裁剪区域的大小并进行归一化。 3. 前向传播处理后的裁剪区域,以预测类别和偏移量。 4. 执行非极大值抑制,仅获取包含对象置信度最高的边界框。 以下是具体的代码实现: ```python import cv2 import numpy as np import torch from torchvision.ops import nms import matplotlib.pyplot as plt def test_predictions(filename, show_output=True): img = np.array(cv2.imread(filename, 1)[...,::-1]) candidates = extract_candidates(img) candidates = [(x,y,x+w,y+h) for x,y,w,h in candidates] input = [] for candidate in candidates: x,y,X,Y = candidate crop = cv2.resize(img[y:Y,x:X], (224,224)) input.append(preprocess_image(crop/255.)[None]) input = torch.cat(input).to(device) with torch.no_grad(): rcnn.eval() probs, deltas = rcnn(input) probs = torch.nn.functional.softmax(probs, -1) confs, clss = torch.max(probs, -1) candidates = np.array(candidates) confs,clss,probs,deltas=[tensor.detach().cpu().numpy() for tensor in [confs, clss, probs, deltas]] ixs = clss!=background_class confs,clss,probs,deltas,candidates = [tensor[ixs] for tensor in [confs,clss, probs, deltas,candidates]] bbs = (candidates + deltas).astype(np.uint16) ixs = nms(torch.tensor(bbs.astype(np.float32)), torch.tensor(confs), 0.05) confs,clss,probs,deltas,candidates,bbs=[tensor[ixs] for tensor in [confs, clss, probs, deltas, candidates, bbs]] if len(ixs) == 1: confs, clss, probs, deltas, candidates, bbs = [tensor[None] for tensor in [confs, clss, probs, deltas, candidates, bbs]] if len(confs) == 0 and not show_output: return (0,0,224,224), 'background', 0 if len(confs) > 0: best_pred = np.argmax(confs) best_conf = np.max(confs) best_bb = bbs[best_pred] x,y,X,Y = best_bb ```
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

张_伟_杰

人工智能专家
人工智能和大数据领域有超过10年的工作经验,拥有深厚的技术功底,曾先后就职于多家知名科技公司。职业生涯中,曾担任人工智能工程师和数据科学家,负责开发和优化各种人工智能和大数据应用。在人工智能算法和技术,包括机器学习、深度学习、自然语言处理等领域有一定的研究
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

前端交互效果与Perl服务器安装指南

### 前端交互效果与Perl服务器安装指南 #### 1. 前端交互效果实现 在网页开发中,我们常常会遇到各种有趣的交互效果需求。下面为你介绍一些常见的前端交互效果及其实现方法。 ##### 1.1 下拉菜单 下拉菜单是网页中常见的导航元素,它使用CSS规则和样式对象的隐藏与可见属性来实现。菜单默认是隐藏的,当鼠标悬停在上面时,属性变为可见,从而显示菜单。 ```html <html> <head> <style> body{font-family:arial;} table{font-size:80%;background:black} a{color:black;text-deco

人工智能的组织、社会和伦理影响管理

### 人工智能的组织、社会和伦理影响管理 #### 1. 敏捷方法与变革管理 许多公司在开发认知项目时采用“敏捷”方法,这通常有助于在开发过程中让参与者更积极地投入。虽然这些变革管理原则并非高深莫测,但它们常常被忽视。 #### 2. 国家和公司的经验借鉴 国家对人工智能在社会和商业中的作用有着重要影响,这种影响既有积极的一面,也有消极的一面。 ##### 2.1 瑞典的积极案例 - **瑞典工人对人工智能的态度**:《纽约时报》的一篇文章描述了瑞典工人对人工智能的淡定态度。例如,瑞典一家矿业公司的一名员工使用遥控器操作地下采矿设备,他认为技术进步最终会使他的工作自动化,但他并不担心,

碳纳米管在摩擦学应用中的最新进展

### 碳纳米管在摩擦学应用中的最新进展 #### 1. 碳纳米管复合材料弹性模量变化及影响因素 在碳纳米管(CNTs)的研究中,其弹性模量的变化是一个重要的研究方向。对于羟基而言,偶极 - 偶极相互作用对系统的势能有显著贡献,这会导致功能化后碳纳米管的弹性模量降低。这种弹性模量的降低可能归因于纳米管结构的不均匀性。 研究人员通过纳米管的长度、体积分数、取向以及聚乙烯基体等方面,对功能化碳纳米管复合材料的弹性性能进行了研究。此外,基体与增强相之间更好的粘附和相互作用,有助于提高所制备纳米复合材料的机械性能。 #### 2. 碳纳米管表面工程进展 在工业中,润滑剂常用于控制接触表面的摩擦和

数据处理与自然语言编码技术详解

# 数据处理与自然语言编码技术详解 ## 1. 模糊匹配 在数据处理中,我们常常会遇到短字符串字段代表名义/分类值的情况。然而,由于数据采集的不确定性,对于本应表示相同名义值的观测,可能会输入不同的字符串。字符串字符出现错误的方式有很多,其中非规范大小写和多余空格是极为常见的问题。 ### 1.1 简单规范化处理 对于旨在表示名义值的特征,将原始字符串统一转换为小写或大写,并去除所有空格(根据具体预期值,可能是填充空格或内部空格),通常是一种有效的策略。例如,对于人名“John Doe”和“john doe”,通过统一大小写和去除空格,可将它们规范化为相同的形式。 ### 1.2 编辑距

数据提取与处理:字符、字节和字段的解析

### 数据提取与处理:字符、字节和字段的解析 在数据处理过程中,我们常常需要从输入文本中提取特定的字符、字节或字段。下面将详细介绍如何实现这些功能,以及如何处理分隔文本文件。 #### 1. 打开文件 首先,我们需要一个函数来打开文件。以下是一个示例函数: ```rust fn open(filename: &str) -> MyResult<Box<dyn BufRead>> { match filename { "-" => Ok(Box::new(BufReader::new(io::stdin()))), _ => Ok(Box::n

Rails微帖操作与图片处理全解析

### Rails 微帖操作与图片处理全解析 #### 1. 微帖分页与创建 在微帖操作中,分页功能至关重要。通过以下代码可以设置明确的控制器和动作,实现微帖的分页显示: ```erb app/views/shared/_feed.html.erb <% if @feed_items.any? %> <ol class="microposts"> <%= render @feed_items %> </ol> <%= will_paginate @feed_items, params: { controller: :static_pages, action: :home } %> <% en

Web开发实用技巧与Perl服务器安装使用指南

# Web开发实用技巧与Perl服务器安装使用指南 ## 1. Web开发实用技巧 ### 1.1 图片展示与时间处理 图片被放置在数组中,通过`getSeconds()`、`getMinutes()`和`getHours()`方法读取日期。然后按照以毫秒为增量指定的秒、分和小时来递增这些值。每经过一定的毫秒增量,就从预加载的数组中显示相应的图片。 ### 1.2 下拉菜单 简单的下拉菜单利用CSS规则以及样式对象的`hidden`和`visible`属性。菜单一直存在,只是默认设置为隐藏。当鼠标悬停在上面时,属性变为可见,菜单就会显示出来。 以下是实现下拉菜单的代码: ```html <

分形分析与随机微分方程:理论与应用

### 分形分析与随机微分方程:理论与应用 #### 1. 分形分析方法概述 分形分析包含多种方法,如Lévy、Hurst、DFA(去趋势波动分析)和DEA(扩散熵分析)等,这些方法在分析时间序列数据的特征和相关性方面具有重要作用。 对于无相关性或短程相关的数据序列,参数α预期为0.5;对于具有长程幂律相关性的数据序列,α介于0.5和1之间;而对于幂律反相关的数据序列,α介于0和0.5之间。该方法可用于测量高频金融序列以及一些重要指数的每日变化中的相关性。 #### 2. 扩散熵分析(DEA) DEA可用于分析和检测低频和高频时间序列的缩放特性。通过DEA,能够确定时间序列的特征是遵循高

编程挑战:uniq与findr实现解析

### 编程挑战:uniq 与 findr 实现解析 #### 1. uniq 功能实现逐步优化 最初的代码实现了对文件内容进行处理并输出每行重复次数的功能。以下是初始代码: ```rust pub fn run(config: Config) -> MyResult<()> { let mut file = open(&config.in_file) .map_err(|e| format!("{}: {}", config.in_file, e))?; let mut line = String::new(); let mut last = Str

零售销售数据的探索性分析与DeepAR模型预测

### 零售销售数据的探索性分析与DeepAR模型预测 #### 1. 探索性数据分析 在拥有45家商店的情况下,我们选择了第20号商店,来分析其不同部门在三年间的销售表现。借助DeepAR算法,我们可以了解不同部门商品的销售情况。 在SageMaker中,通过生命周期配置(Lifecycle Configurations),我们可以在笔记本实例启动前自定义安装Python包,避免在执行笔记本前手动跟踪所需的包。为了探索零售销售数据,我们需要安装最新版本(0.9.0)的seaborn库。具体操作步骤如下: 1. 在SageMaker的Notebook下,点击Lifecycle Config