机器学习框架ML.NET学习笔记【8】目标检测（采用YOLO2模型）

一、概述

本篇文章介绍通过yolo模型进行目标识别的应用，原始代码来源于：https://github.com/dotnet/machinelearning-samples

实现的功能是输入一张图片，对图片中的目标进行识别，输出结果在图片中通过红色框线标记出来。如下：

yolo简介

yolo（you only look once）是一种最先进的实时目标检测系统。官方网站：https://pjreddie.com/darknet/yolo/

本文采用的是tinyyolo2模型，可以识别的目标类型包括：”aeroplane”, “bicycle”, “bird”, “boat”, “bottle”,”bus”, “car”, “cat”, “chair”, “cow”,”diningtable”, “dog”, “horse”, “motorbike”, “person”,”pottedplant”, “sheep”, “sofa”, “train”, “tvmonitor” 。

onnx简介

onnx 即open neural network exchange（开放神经网络交换格式），是一个用于表示深度学习模型的通用标准，可使模型在不同框架之间进行互相访问，其规范及代码主要由微软，亚马逊，facebook 和 ibm 等公司共同制定与开发。有了onnx标准，我们就可以在ml.net代码中使用通过其他机器学习框架训练并保存的模型。

二、代码分析

1、main方法

        static void main(string[] args)
        {
            trainandsave();
            loadandpredict();

            console.writeline("press any key to exit!");
            console.readkey();
        }

第一次运行时需要运行trainandsave方法，生成本地模型后，可以直接运行生产代码。

2、训练并保存模型

 　　　　static readonly string tagstsv = path.combine(trainimagesfolder,  "tags.tsv");       
　　　　 private static void trainandsave()
        {
            var mlcontext = new mlcontext();
            var traindata = mlcontext.data.loadfromtextfile<imagenetdata>(tagstsv);

            var pipeline = mlcontext.transforms.loadimages(outputcolumnname: "image", imagefolder: trainimagesfolder, inputcolumnname: nameof(imagenetdata.imagepath))
                    .append(mlcontext.transforms.resizeimages(outputcolumnname: "image", imagewidth: imagenetsettings.imagewidth, imageheight: imagenetsettings.imageheight, inputcolumnname: "image"))
                    .append(mlcontext.transforms.extractpixels(outputcolumnname: "image"))
                    .append(mlcontext.transforms.applyonnxmodel(modelfile: yolo_modelfilepath, outputcolumnnames: new[] { tinyyolomodelsettings.modeloutput }, inputcolumnnames: new[] { tinyyolomodelsettings.modelinput }));

            var model = pipeline.fit(traindata);

            using (var file = file.openwrite(objectdetectionmodelfilepath))
                mlcontext.model.save(model, traindata.schema, file);

            console.writeline("save model success!");
        }

imagenetdata类定义如下：

    public class imagenetdata
    {
        [loadcolumn(0)]
        public string imagepath;

        [loadcolumn(1)]
        public string label;
    }

tags.tsv文件中仅包含一条样本数据，因为模型已经训练好，不存在再次训练的意义。这里只要放一张图片样本即可，通过fit方法建立数据处理通道模型。

applyonnxmodel方法加载第三方onnx模型，

    public struct tinyyolomodelsettings
    {
        // input tensor name
        public const string modelinput = "image";

        // output tensor name
        public const string modeloutput = "grid";
    }

其中，输入、输出的列名称是指定的。可以通过安装netron这样的工具来查询onnx文件的详细信息，可以看到输入输出的数据列名称。


3、应用

        private static void loadandpredict()
        {
            var mlcontext = new mlcontext();

            itransformer trainedmodel;
            using (var stream = file.openread(objectdetectionmodelfilepath))
            {
                trainedmodel = mlcontext.model.load(stream, out var modelinputschema);               
            }
            var predictionengine = mlcontext.model.createpredictionengine<imagenetdata, imagenetprediction>(trainedmodel);

            directoryinfo testdir = new directoryinfo(testimagesfolder);
            foreach (var jpgfile in testdir.getfiles("*.jpg"))
            {  
                imagenetdata image = new imagenetdata
                {
                    imagepath = jpgfile.fullname
                };               
                var predicted = predictionengine.predict(image);
                predictimage(image.imagepath, predicted);                 
            }
        }

代码遍历一个文件夹下面的jpg文件。对每一个文件进行转换，获得预测结果。

imagenetprediction类定义如下：

    public class imagenetprediction
    {
        [columnname(tinyyolomodelsettings.modeloutput)]
        public float[] predictedlabels;       
    }

输出的“grid”列数据是一个float数组，不能直接理解其含义，所以需要通过代码将其数据转换为便于理解的格式。

     yolowinmlparser _parser = new yolowinmlparser();
     ilist<yoloboundingbox> boundingboxes = _parser.parseoutputs(predicted.predictedlabels, 0.4f);

yolowinmlparser.parseoutputs方法将float数组转为yoloboundingbox对象的列表，第二个参数是可信度阙值，只输出大于该可信度的数据。

yoloboundingbox类定义如下：

    class yoloboundingbox
    {    
        public string label { get; set; }
        public float confidence { get; set; }

        public float x { get; set; }
        public float y { get; set; }
        public float height { get; set; }
        public float width { get; set; }
        public rectanglef rect
        {
            get { return new rectanglef(x, y, width, height); }
        }
    }

其中：label为目标类型，confidence为可行程度。

由于yolo的特点导致对同一个目标会输出多个同样的检测结果，所以还需要对检测结果进行过滤，去掉那些高度重合的结果。

     yolowinmlparser _parser = new yolowinmlparser();
     ilist<yoloboundingbox> boundingboxes = _parser.parseoutputs(predicted.predictedlabels, 0.4f); 
     var filteredboxes = _parser.nonmaxsuppress(boundingboxes, 5, 0.6f);

yolowinmlparser.nonmaxsuppress第二个参数表示最多保留多少个结果，第三个参数表示重合率阙值，将去掉重合率大于该值的记录。

四、资源获取

源码下载地址：https://github.com/seabluescn/study_ml.net

工程名称：yolo_objectdetection

资源获取：https://gitee.com/seabluescn/ml_assets （objectdetection）

点击查看机器学习框架ml.net学习笔记系列文章目录

黄山市民网：https://www.huangshanshimin.com/

相关文章