手部关键点检测2:YOLOv5实现手部检测(含训练代码和数据集)

手部关键点检测2:YOLOv5实现手部检测(含训练代码和数据集)

目录

手部关键点检测2:YOLOv5实现手部检测(含训练代码和数据集)

[1. 前言](#1. 前言)

[2. 手部检测数据集说明](#2. 手部检测数据集说明)

(1)手部检测数据集

(2)自定义数据集

[3. 基于YOLOv5的手部检测模型训练](#3. 基于YOLOv5的手部检测模型训练)

(1)YOLOv5安装

(2)准备Train和Test数据

(3)配置数据文件

(4)配置模型文件

(5)重新聚类Anchor(可选)

(6)开始训练

(7)可视化训练过程

(8)常见的错误

[4. Python版本手部检测效果](#4. Python版本手部检测效果)

[5. 手部检测和手部关键点检测(Python/C++/Android)](#5. 手部检测和手部关键点检测(Python/C++/Android))

6.项目源码下载


1. 前言

手部关键点检测(手部姿势估计) 的方法与人体关键点检测的方法类似,目前主流的方法主要两种:一种是Top-Down(自上而下)方法,另外一种是Bottom-Up(自下而上)方法;项目采用Top-Down(自上而下)方法,即分为两阶段,先进行手部检测,找到所有的手部框,然后再估计每只手的手部关键点;本篇文章是手部关键点检测的第一阶段,即手部检测模型算法开发 ,项目基于开源YOLOv5项目,实现一个高精度的手部检测算法( Hand Detection)

目前,基于YOLOv5s的手部检测精度平均值mAP_0.5=0.99919,mAP_0.5:0.95=0.79306。为了能部署在手机Android平台上,本人对YOLOv5s进行了简单的模型轻量化,并开发了一个轻量级的版本yolov5s05_416和yolov5s05_320模型;轻量化模型在普通Android手机上可以达到实时的检测效果,CPU(4线程)约30ms左右,GPU约25ms左右 ,基本满足业务的性能需求。下表格给出轻量化模型的计算量和参数量以及其检测精度

|---------------|----------------|---------------|------------|-------------|------------------|
| 模型 | input-size | params(M) | GFLOPs | mAP_0.5 | mAP_0.5:0.95 |
| yolov5s | 640×640 | 7.2 | 16.5 | 0.99919 | 0.79306 |
| yolov5s05 | 416×416 | 1.7 | 1.8 | 0.99885 | 0.78112 |
| yolov5s05 | 320×320 | 1.7 | 1.1 | 0.99826 | 0.77658 |

先展示一下**手部检测以及手部关键点检测(手部姿势估计)**效果:

Android**手部关键点检测(手部姿势估计)**APP Demo体验:

【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/133279222


更多项目《手部关键点检测(手部姿势估计)》系列文章请参考:


2. 手部检测数据集说明

(1)手部检测数据集

目前收集了三个手部检测数据集:Hand-voc1,Hand-voc2和Hand-voc3,总共60000+张图片;标注格式统一转换为VOC数据格式,标注名称为hand ,可用于深度学习手部目标检测模型算法开发,关于手部数据集说明,请参考: 手部关键点(手部姿势估计)数据集(含下载链接) https://blog.csdn.net/guyuealian/article/details/133277630

(2)自定义数据集

如果需要增/删类别数据进行训练,或者需要自定数据集进行训练,可参考如下步骤:

  1. 采集图片,建议不少于200张图片
  2. 使用Labelme等标注工具,对目标进行拉框标注:labelme工具:GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).
  3. 将标注格式转换为VOC数据格式,参考工具:labelme/labelme2voc.py at main · wkentaro/labelme · GitHub
  4. 生成训练集train.txt和验证集val.txt文件列表
  5. 修改engine/configs/voc_local.yaml的train和val的数据路径
  6. 重新开始训练

​​​


3. 基于YOLOv5的手部检测模型训练

(1)YOLOv5安装

训练Pipeline采用YOLOv5: GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite , 原始官方代码训练需要转换为YOLO的格式,不支持VOC的数据格式。为了适配VOC数据,本人新增了LoadVOCImagesAndLabels用于解析VOC数据集,以便正常训练。另外,为了方便测试,还增加demo.py文件,可支持对图片,视频和摄像头的测试。

Python依赖环境,使用pip安装即可**,项目代码都在Ubuntu系统和Windows系统验证正常运行,请放心使用;若出现异常,大概率是相关依赖包版本没有完全对应**

python 复制代码
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
tensorboard>=2.4.1
seaborn>=0.11.0
pandas
thop  # FLOPs computation
pybaseutils==0.7.0

项目安装教程请参考(初学者入门,麻烦先看完下面教程,配置好开发环境):

(2)准备Train和Test数据

下载手部检测数据集,关于手部数据集说明,请参考手部关键点(手部姿势估计)数据集(含下载链接) https://blog.csdn.net/guyuealian/article/details/133277630

(3)配置数据文件

  • 修改训练和测试数据的路径:engine/configs/voc_local.yaml
  • 注意数据路径分隔符使用【/】,不是【\】
  • 项目不要出现含有中文字符的目录文件或路径,否则会出现很多异常!
bash 复制代码
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
# 数据路径
path: ""  # dataset root dir

# 注意数据路径分隔符使用【/】,不是【\】
# 项目不要出现含有中文字符的目录文件或路径,否则会出现很多异常!
train:
  - 'D:/dataset/Hand-voc1/train/train.txt'
  - 'D:/dataset/Hand-voc2/train.txt'
  - 'D:/dataset/Hand-voc3/train.txt'
val:
  - 'D:/dataset/Hand-voc1/test/test.txt'

test:  # test images (optional)
data_type: voc

# 1.设置类别个数,和要训练的类别名称,ID号从0开始递增
nc: 1  # number of classes
names: { 'hand': 0}

(4)配置模型文件

官方YOLOv5给出了YOLOv5l,YOLOv5m,YOLOv5s等模型。考虑到手机端CPU/GPU性能比较弱鸡,直接部署yolov5s运行速度十分慢。所以本人在yolov5s基础上进行模型轻量化处理,即将yolov5s的模型的channels通道数全部都减少一半,并且模型输入由原来的640×640降低到416×416或者320×320,该轻量化的模型我称之为yolov5s05 。轻量化后的模型**yolov5s05比yolov5s计算量减少了16倍,参数量减少了7倍。**下面是yolov5s05和yolov5s的参数量和计算量对比:

|---------------|----------------|---------------|------------|
| 模型 | input-size | params(M) | GFLOPs |
| yolov5s | 640×640 | 7.2 | 16.5 |
| yolov5s05 | 416×416 | 1.7 | 1.8 |
| yolov5s05 | 320×320 | 1.7 | 1.1 |

(5)重新聚类Anchor(可选)

官方yolov5s的Anchor是基于COCO数据集进行聚类获得(详见models/yolov5s.yaml文件)

​​​

考虑到手部检测数据集,目标框几乎都是正方形的矩形框;原始Anchor是在输入640×640聚类获得的,直接复用原始COCO的Anchor效果可能不太好;因此,这需要我们根据已有的数据集的标注框进行重新聚类获得新的Anchor;这里为了简单,yolov5s 直接复用原始Anchor,而yolov5s05_416和yolov5s05_320由于输入分辨率变小,其Anchor也进行等比例缩小**,** 下表给出yolov5s,yolov5s05_416和yolov5s05_320重新调整后Anchor结果:

|-----------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------|
| yolov5s.yaml | yolov5s05_416.yaml | yolov5s05_320.yaml |
| ​​ | ​​ | ​​ |

一点建议:

  • 官方yolov5s的Anchor是基于COCO数据集进行聚类获得,不同数据集需要做适当的调整,其最优Anchor建议重新进行聚类 。
  • 当然你要是觉得麻烦就跳过,不需要重新聚类Anchor,这个影响不是特别大。如果你需要重新聚类,请参考engine/kmeans_anchor/demo.py文件

(6)开始训练

整套训练代码非常简单操作,用户只需要填写好对应的数据路径,即可开始训练了。

  • 修改训练超参文件data/hyps/hyp.scratch-v1.yaml (可以修改训练学习率,数据增强等方式,使用默认即可,可不修改)
  • Linux系统终端运行,训练yolov5s或轻量化版本yolov5s05_416或者yolov5s05_320 (选择其中一个训练即可)
bash 复制代码
#!/usr/bin/env bash

#--------------训练yolov5s--------------
# 输出项目名称路径
project="runs/yolov5s_640"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 640 --workers 4 --project $project


#--------------训练轻量化版本yolov5s05_416--------------
# 输出项目名称路径
project="runs/yolov5s05_416"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s05_416.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 416 --workers 4 --project $project


#--------------训练轻量化版本yolov5s05_320--------------
# 输出项目名称路径
project="runs/yolov5s05_320"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s05_320.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 16 --imgsz 320 --workers 4 --project $project
  • Windows系统终端运行,训练yolov5s或轻量化版本yolov5s05_416或者yolov5s05_320 (选择其中一个训练即可)
bash 复制代码
#!/usr/bin/env bash

#--------------训练yolov5s--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 640 --workers 4 --project runs/yolov5s_640


#--------------训练轻量化版本yolov5s05_416--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s05_416.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 416 --workers 4 --project runs/yolov5s05_416



#--------------训练轻量化版本yolov5s05_320--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s05_320.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 16 --imgsz 320 --workers 4 --project runs/yolov5s05_320
  • 开始训练:

​​​

  • 训练数据量比较大,训练时间比较长,请耐心等待哈
  • 训练完成后,在模型输出目录中有个results.csv文件,记录每个epoch测试的结果,如loss,mAP等信息

训练模型收敛后,yolov5s手部检测的mAP指标大约mAP_0.5:0.95=0.79306;而,yolov5s05_416 mAP_0.5:0.95=0.78112左右;yolov5s05_320 mAP_0.5:0.95=0.77658左右;轻量化后的模型yolov5s05比yolov5s计算量减少了16倍,参数量减少了7倍;相比而言,yolov5s05比yolov5s mAP减小了2%左右,对于性能比较弱鸡的手机而言,这个精度是还是可以接受的。

|---------------|----------------|---------------|------------|-------------|------------------|
| 模型 | input-size | params(M) | GFLOPs | mAP_0.5 | mAP_0.5:0.95 |
| yolov5s | 640×640 | 7.2 | 16.5 | 0.99919 | 0.79306 |
| yolov5s05 | 416×416 | 1.7 | 1.8 | 0.99885 | 0.78112 |
| yolov5s05 | 320×320 | 1.7 | 1.1 | 0.99826 | 0.77658 |

(7)可视化训练过程

训练过程可视化工具是使用Tensorboard,使用方法,在终端输入:

bash 复制代码
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=./data/model/yolov5s_640

当然,在输出目录,也保存很多性能指标的图片

  • 这是训练epoch的可视化图,可以看到mAP随着Epoch训练,逐渐提高(见result.png
  • 这是每个类别的F1-Score分数(见F1_curve.png
  • 这是模型的PR曲线(见PR_curve.png

​​​

  • 这是混淆矩阵(见confusion_matrix.png):

​​​

(8)常见的错误


4. Python版本手部检测效果

demo.py文件用于推理和测试模型的效果,填写好配置文件,模型文件以及测试图片即可运行测试了

  • 测试图片
bash 复制代码
# 测试图片(Linux系统)
image_dir='data/test_image' # 测试图片的目录
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --image_dir $image_dir --weights $weights --out_dir $out_dir

Windows系统,请将$image_dir, weights ,out_dir等变量代替为对应的变量值即可,如

bash 复制代码
# 测试图片(Windows系统)
python demo.py --image_dir data/test_image --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result
  • 测试视频文件
bash 复制代码
# 测试视频文件(Linux系统)
video_file="data/test-video.mp4" # path/to/video.mp4 测试视频文件,如*.mp4,*.avi等
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --video_file $video_file --weights $weights --out_dir $out_dir
bash 复制代码
# 测试视频文件(Windows系统)
python demo.py --video_file data/test-video.mp4 --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result
  • 测试摄像头
bash 复制代码
# 测试摄像头(Linux系统)
video_file=0 # 测试摄像头ID
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --video_file $video_file --weights $weights --out_dir $out_dir
bash 复制代码
# 测试摄像头(Windows系统)
python demo.py --video_file 0 --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result

先展示一下手部检测(不含关键点检测)的效果:

如果想进一步提高模型的性能,可以尝试:

  1. 增加训练的样本数据: 目前有30W+的数据量,建议根据自己的业务场景,采集相关数据,提高模型泛化能力
  2. 使用参数量更大的模型: 本教程使用的YOLOv5s,其参数量才7.2M,而YOLOv5x的参数量有86.7M,理论上其精度更高,但推理速度也较慢。
  3. 尝试不同数据增强的组合进行训练

5. 手部检测和手部关键点检测(Python/C++/Android)

项目已经完成Android版本手部检测和手部关键点检测算法开发,APP在普通Android手机上可以达到实时的检测和识别效果,CPU(4线程)约50ms左右,GPU约30ms左右 ,基本满足业务的性能需求。

Android手部关键点检测(手部姿势估计) APP Demo体验:https://download.csdn.net/download/guyuealian/88418582


6.项目源码下载

整套项目下载地址:

整套项目源码内容包含:手部检测数据集 + 手部检测YOLOv5训练代码和测试代码

(1)手部检测数据集+手部关键点数据集:

  1. **手部检测数据集:**包含Hand-voc1,Hand-voc2和Hand-voc3,总共60000+张图片;标注格式统一转换为VOC数据格式,标注名称为hand,可用于深度学习手部目标检测模型算法开发。

  2. 手部关键点数据集:包含HandPose-v1,HandPose-v2和HandPose-v3,总共80000+张图片;标注了手部区域目标框box,标注名称为hand,同时也标注了手部21个关键点,标注格式统一转换为COCO数据格式,可直接用于深度学习手部关键点检测模型训练。

  3. 详细说明,请查看《手部关键点(手部姿势估计)数据集(含下载链接)》https://blog.csdn.net/guyuealian/article/details/133277630

(2)手部检测YOLOv5训练代码和测试代码(Pytorch)

  1. 整套YOLOv5项目工程,含训练代码train.py和测试代码demo.py
  2. 支持高精度版本yolov5s训练和测试
  3. 支持轻量化版本yolov5s05_320和yolov5s05_416训练和测试
  4. 根据本篇博文说明,简单配置即可开始训练:train.py
  5. 源码包含了训练好的yolov5s,yolov5s05_416和yolov5s05_320模型,配置好环境,可直接运行demo.py
  6. 测试代码demo.py支持图片,视频和摄像头测试
  7. 本篇博文是手部检测,不包含手部关键点检测内容 , 关于手部关键点检测的方法,可查看《Pytorch实现手部关键点检测(手部姿势估计)》https://blog.csdn.net/guyuealian/article/details/133277726

Android手部关键点检测(手部姿势估计) APP Demo体验:https://download.csdn.net/download/guyuealian/88418582

相关推荐
985小水博一枚呀4 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
985小水博一枚呀9 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
孙同学要努力9 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
sniper_fandc11 小时前
深度学习基础—循环神经网络的梯度消失与解决
人工智能·rnn·深度学习
weixin_5182850511 小时前
深度学习笔记10-多分类
人工智能·笔记·深度学习
阿_旭12 小时前
基于YOLO11/v10/v8/v5深度学习的维修工具检测识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·qt·ai
YRr YRr12 小时前
深度学习:Cross-attention详解
人工智能·深度学习
阿_旭12 小时前
基于YOLO11/v10/v8/v5深度学习的煤矿传送带异物检测系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·目标检测·yolo11
算家云13 小时前
如何在算家云搭建Aatrox-Bert-VITS2(音频生成)
人工智能·深度学习·aigc·模型搭建·音频生成·算家云