第19章：基于efficientNet实现的视频内容识别系统

听风吹等浪起2025-04-18 12:39

目录

[1.efficientNet 网络](#1.efficientNet 网络)

[2. 猫和老鼠](#2. 猫和老鼠)

[3. QT推理](#3. QT推理)

[4. 项目](#4. 项目)

1.efficientNet 网络

本章做了一个视频内容识别的系统

本文选用的模型是efficientNet b0版本

EfficientNet 是 Google 团队在 2019 年提出的一系列高效卷积神经网络模型，其核心思想是通过**复合缩放（Compound Scaling）**方法平衡网络的深度（depth）、宽度（width）和分辨率（resolution），从而在计算资源受限的条件下实现更高的性能。EfficientNet-B0 是该系列的基础模型，后续版本（B1-B7）基于 B0 进行缩放。

EfficientNet-B0 的核心设计

  1. 基础架构：MobileNet-like + 优化

EfficientNet-B0 的骨干网络基于反向残差块（MBConv，Mobile Inverted Bottleneck），类似 MobileNetV2，但通过神经架构搜索（NAS）优化了层结构和连接方式。主要特点包括：

  • MBConv 模块：包含扩展（expansion）、深度可分离卷积（depthwise convolution）和压缩（squeeze-and-excitation）操作。

    • 扩展层：先用 1x1 卷积扩展通道数（通常扩展比为 6）。

    • 深度可分离卷积：3x3 或 5x5 的逐通道卷积，减少计算量。

    • SE 注意力机制：压缩激励（Squeeze-and-Excitation）模块动态调整通道权重。

    • 残差连接：当输入输出维度相同时引入。

  1. 复合缩放（Compound Scaling）

EfficientNet 提出统一的缩放规则，同时调整三个维度：

  • 深度（d）：网络层数，通过重复堆叠 MBConv 实现。

  • 宽度（w）：每层的通道数。

  • 分辨率（r）：输入图像的分辨率（如 224x224 → 更高分辨率）。

缩放公式：

depth:d=αϕ,width:w=βϕ,resolution:r=γϕ

其中 α,β,γα,β,γ 是通过网格搜索确定的基础缩放系数（B0 的 ϕ=1）。

EfficientNet-B0 的具体结构

以下是 B0 的详细层结构（输入分辨率 224x224）：

Stage Operator Resolution Channels Layers
1 Conv3x3 224x224 32 1
2 MBConv1 (k3x3, stride1) 112x112 16 1
3 MBConv6 (k3x3, stride2) 112x112 24 2
4 MBConv6 (k5x5, stride2) 56x56 40 2
5 MBConv6 (k3x3, stride2) 28x28 80 3
6 MBConv6 (k5x5, stride1) 14x14 112 3
7 MBConv6 (k5x5, stride2) 14x14 192 4
8 MBConv6 (k3x3, stride1) 7x7 320 1
9 Conv1x1 + Pooling + FC 7x7 1280 1

  • k ：卷积核大小，stride ：步长，MBConv6：扩展比为 6 的 MBConv 模块。

  • 最后一层使用 1x1 卷积升维到 1280 通道，接全局平均池化和全连接分类层。

关键创新点

  1. MBConv + SE 模块：

    • 深度可分离卷积减少计算量。

    • SE 模块（通道注意力）提升特征表达能力。

  2. 复合缩放：

    • 平衡深度、宽度、分辨率，避免单一维度的过度缩放导致性能饱和。

  3. 神经架构搜索（NAS）：

    • 基于 AutoML 搜索最优的基础结构（B0），再通过缩放得到 B1-B7。

性能对比

  • 参数量：B0 仅 5.3M 参数，比 ResNet-50（25.5M）少 5 倍。

  • 准确率 ：在 ImageNet 上达到 77.1% top-1 准确率（ResNet-50 为 76%），FLOPs 仅 0.39B。

应用场景

  • 移动端/边缘设备：因低计算开销和高效率。

  • 迁移学习：作为特征提取器用于下游任务（如检测、分割）。

代码实现（PyTorch 示例）

复制代码 
import torch
from efficientnet_pytorch import EfficientNet

model = EfficientNet.from_pretrained('efficientnet-b0')
input = torch.randn(1, 3, 224, 224)
output = model(input)
print(output.shape)  # [1, 1000]

EfficientNet-B0 通过智能设计和缩放策略，实现了在小模型中的卓越性能，成为轻量级网络的标杆之一。后续的 EfficientNetV2 进一步优化了训练速度和精度。

2. 猫和老鼠

数据集这里用的是猫和老鼠的例子：

训练参数在这里：

python 复制代码 
    parser.add_argument("--model", default='b0', type=str,help='b0')
    parser.add_argument("--pretrained", default=False, type=bool)       # 采用官方权重
    parser.add_argument("--freeze_layers", default=False, type=bool)    # 冻结权重

    parser.add_argument("--batch-size", default=8, type=int)
    parser.add_argument("--epochs", default=200, type=int)

    parser.add_argument("--optim", default='Adam', type=str,help='SGD,Adam,AdamW')         # 优化器选择

    parser.add_argument('--lr', default=0.001, type=float)
    parser.add_argument('--lrf',default=0.001,type=float)                  # 最终学习率 = lr * lrf

    parser.add_argument('--save_ret', default='runs', type=str)             # 保存结果
    parser.add_argument('--data_train',default='./data/train',type=str)           # 训练集路径
    parser.add_argument('--data_val',default='./data/val',type=str)               # 测试集路径

这里不多介绍了，大概训练的流程和本专栏的差不多

最后一个epoch：

python 复制代码 
    "epoch:199": {
        "train info": {
            "accuracy": 0.9873817034388839,
            "Jerry": {
                "Precision": 0.9798,
                "Recall": 1.0,
                "Specificity": 0.9909,
                "F1 score": 0.9898
            },
            "Tom": {
                "Precision": 0.9944,
                "Recall": 0.9889,
                "Specificity": 0.9927,
                "F1 score": 0.9916
            },
            "Tom and Jerry": {
                "Precision": 0.9744,
                "Recall": 0.95,
                "Specificity": 0.9964,
                "F1 score": 0.962
            },
            "mean precision": 0.9828666666666667,
            "mean recall": 0.9796333333333335,
            "mean specificity": 0.9933333333333333,
            "mean f1 score": 0.9811333333333333
        },
        "valid info": {
            "accuracy": 0.7619047617838246,
            "Jerry": {
                "Precision": 0.8333,
                "Recall": 0.9091,
                "Specificity": 0.9024,
                "F1 score": 0.8696
            },
            "Tom": {
                "Precision": 0.7187,
                "Recall": 0.8846,
                "Specificity": 0.7568,
                "F1 score": 0.7931
            },
            "Tom and Jerry": {
                "Precision": 0.7143,
                "Recall": 0.3333,
                "Specificity": 0.9583,
                "F1 score": 0.4545
            },
            "mean precision": 0.7554333333333334,
            "mean recall": 0.7090000000000001,
            "mean specificity": 0.8725,
            "mean f1 score": 0.7057333333333333
        }

3. QT推理

运行结果：

生成的视频：

视频检测记录：

代码参考：

python 复制代码 
import os
import sys
from PyQt5.QtWidgets import (QApplication, QMainWindow, QVBoxLayout, QHBoxLayout,
                             QPushButton, QLabel, QFileDialog, QCheckBox, QWidget,
                             QProgressBar, QMessageBox, QGroupBox, QSpacerItem,
                             QSizePolicy)
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from PyQt5.QtGui import QImage, QPixmap, QFont
import cv2
from PIL import Image
from openpyxl import Workbook
from openpyxl.styles import Font
import datetime
import torch
import torchvision.models as m
from torchvision import transforms


def create_model(model,num,weights):

    net = m.efficientnet_b0(weights=m.EfficientNet_B0_Weights.DEFAULT if weights else False,progress=True)
    tmp = list(net.classifier)[-1].in_features
    net.classifier = torch.nn.Linear(tmp,num,bias=True)

    return net


def data_trans(train_mean=[0.485, 0.456, 0.406], train_std=[0.229, 0.224, 0.225]):
    train_transform = transforms.Compose([transforms.Resize(256),
                                          transforms.RandomRotation(90),                # 随机旋转
                                          transforms.CenterCrop(224),
                                          transforms.ToTensor(),
                                          transforms.Normalize(train_mean, train_std)])

    test_transform = transforms.Compose([transforms.Resize(256),transforms.CenterCrop(224),
                                         transforms.ToTensor(),transforms.Normalize(train_mean, train_std)])

    return train_transform,test_transform


def get_device():
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    print("Using device is: ", device)
    return device


class VideoProcessor(QThread):
    update_frame = pyqtSignal(QImage)
    update_progress = pyqtSignal(int)
    finished_processing = pyqtSignal(str, str)  # 修改为返回两个路径
    error_occurred = pyqtSignal(str)

    def __init__(self, video_path, save_video, save_excel):
        super().__init__()
        self.video_path = video_path
        self.save_video = save_video
        self.save_excel = save_excel
        self.running = True

    def run(self):
        output_video_path = ""
        output_excel_path = ""

        try:
            device = get_device()
            _, data_transform = data_trans()

            labels = {"0": "Jerry","1": "Tom","2": "Tom and Jerry"}

            # 创建模型
            net = create_model(model='b0', num=len(labels), weights=False)
            net.load_state_dict(torch.load('./runs/weights/best.pth'), strict=False)
            net.to(device)
            net.eval()

            # 视频输入
            cap = cv2.VideoCapture(self.video_path)
            if not cap.isOpened():
                self.error_occurred.emit("无法打开视频文件")
                return

            # 获取视频信息
            fps = cap.get(cv2.CAP_PROP_FPS)
            width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
            height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
            total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))

            # 创建Excel工作簿（如果需要）
            if self.save_excel:
                wb = Workbook()
                ws = wb.active
                ws.title = "Video Classification Results"
                headers = ["时间范围(秒)", "识别类别"]
                for col, header in enumerate(headers, 1):
                    ws.cell(row=1, column=col, value=header).font = Font(bold=True)

            # 创建视频输出（如果需要）
            if self.save_video:
                timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
                output_video_path = os.path.splitext(self.video_path)[0] + f"_output_{timestamp}.mp4"
                fourcc = cv2.VideoWriter_fourcc(*'mp4v')
                out = cv2.VideoWriter(output_video_path, fourcc, fps, (width, height))

            current_second = -1
            row_idx = 2
            last_class = None
            start_time = 0
            end_time = 0

            frame_count = 0
            with torch.no_grad():
                while self.running and cap.isOpened():
                    ret, frame = cap.read()
                    if not ret:
                        if last_class is not None and self.save_excel:
                            time_range = f"{start_time}~{end_time}" if start_time != end_time else str(start_time)
                            ws.cell(row=row_idx, column=1, value=time_range)
                            ws.cell(row=row_idx, column=2, value=last_class)
                        break

                    frame_count += 1
                    progress = int((frame_count / total_frames) * 100)
                    self.update_progress.emit(progress)

                    current_time = frame_count / fps
                    second = int(current_time)

                    # 转换帧为PIL Image并进行预处理
                    pil_img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
                    img = data_transform(pil_img)
                    img = torch.unsqueeze(img, dim=0)

                    # 预测
                    output = net(img.to(device))
                    output = torch.softmax(output, dim=1)
                    p, index = torch.topk(output, k=3)
                    current_class = labels[str(index.to("cpu").numpy()[0][0])]

                    # 在左上角显示三个类别的概率
                    text_y = 30
                    for i in range(3):
                        class_idx = index.to("cpu").numpy()[0][i]
                        class_name = labels[str(class_idx)]
                        prob = p.to("cpu").numpy()[0][i]
                        text = f'{class_name}: {prob:.4f}'
                        cv2.putText(frame, text, (10, text_y), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
                        text_y += 30

                    # 每秒检查一次结果
                    if second != current_second:
                        current_second = second

                        if current_class != last_class:
                            if last_class is not None and self.save_excel:
                                time_range = f"{start_time}~{end_time}" if start_time != end_time else str(start_time)
                                ws.cell(row=row_idx, column=1, value=time_range)
                                ws.cell(row=row_idx, column=2, value=last_class)
                                row_idx += 1
                            start_time = second
                            last_class = current_class
                        end_time = second

                    # 转换为Qt图像并发送
                    rgb_image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
                    h, w, ch = rgb_image.shape
                    bytes_per_line = ch * w
                    qt_image = QImage(rgb_image.data, w, h, bytes_per_line, QImage.Format_RGB888)
                    self.update_frame.emit(qt_image)

                    # 保存结果（如果需要）
                    if self.save_video:
                        out.write(frame)

            # 保存Excel文件
            if self.save_excel:
                timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
                output_excel_path = os.path.splitext(self.video_path)[0] + f"_classification_{timestamp}.xlsx"
                wb.save(output_excel_path)

            # 释放资源
            cap.release()
            if self.save_video:
                out.release()

            self.finished_processing.emit(output_video_path, output_excel_path)

        except Exception as e:
            self.error_occurred.emit(f"处理过程中发生错误: {str(e)}")

    def stop(self):
        self.running = False


class VideoClassifierApp(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("智能视频分类工具")
        self.setGeometry(100, 100, 900, 700)
        self.setMinimumSize(800, 600)

        self.video_path = ""

        self.init_ui()
        self.processor = None

    def init_ui(self):
        main_widget = QWidget()
        main_layout = QVBoxLayout()
        main_layout.setContentsMargins(15, 15, 15, 15)
        main_layout.setSpacing(15)

        # 文件选择区域
        file_group = QGroupBox("视频文件选择")
        file_layout = QHBoxLayout()
        file_layout.setContentsMargins(10, 10, 10, 10)

        self.video_label = QLabel("未选择视频文件")
        self.video_label.setStyleSheet("QLabel { padding: 5px; }")
        self.video_label.setMinimumWidth(300)

        self.browse_button = QPushButton("选择视频")
        self.browse_button.setFixedWidth(120)
        self.browse_button.setStyleSheet(
            "QPushButton { padding: 5px; font-weight: bold; }"
            "QPushButton:hover { background-color: #e0e0e0; }"
        )
        self.browse_button.clicked.connect(self.browse_video)

        file_layout.addWidget(self.video_label)
        file_layout.addWidget(self.browse_button)
        file_group.setLayout(file_layout)
        main_layout.addWidget(file_group)

        # 选项区域
        options_group = QGroupBox("输出选项")
        options_layout = QHBoxLayout()
        options_layout.setContentsMargins(10, 10, 10, 10)

        self.save_video_check = QCheckBox("保存识别结果视频")
        self.save_video_check.setChecked(True)
        self.save_video_check.setStyleSheet("QCheckBox { padding: 5px; }")

        self.save_excel_check = QCheckBox("保存Excel分类结果")
        self.save_excel_check.setChecked(True)
        self.save_excel_check.setStyleSheet("QCheckBox { padding: 5px; }")

        options_layout.addWidget(self.save_video_check)
        options_layout.addWidget(self.save_excel_check)
        options_group.setLayout(options_layout)
        main_layout.addWidget(options_group)

        # 视频显示区域
        display_group = QGroupBox("视频预览")
        display_layout = QVBoxLayout()
        display_layout.setContentsMargins(10, 10, 10, 10)

        self.video_display = QLabel()
        self.video_display.setAlignment(Qt.AlignCenter)
        self.video_display.setMinimumSize(640, 360)
        self.video_display.setStyleSheet(
            "QLabel { background-color: black; border: 1px solid #ccc; }"
        )

        display_layout.addWidget(self.video_display)
        display_group.setLayout(display_layout)
        main_layout.addWidget(display_group)

        # 进度条区域
        self.progress_bar = QProgressBar()
        self.progress_bar.setStyleSheet(
            "QProgressBar { height: 20px; text-align: center; }"
            "QProgressBar::chunk { background-color: #4CAF50; }"
        )
        main_layout.addWidget(self.progress_bar)

        # 按钮区域
        button_layout = QHBoxLayout()
        button_layout.setSpacing(20)

        spacer = QSpacerItem(40, 20, QSizePolicy.Expanding, QSizePolicy.Minimum)
        button_layout.addItem(spacer)

        self.start_button = QPushButton("开始分类")
        self.start_button.setFixedWidth(150)
        self.start_button.setStyleSheet(
            "QPushButton { padding: 8px; font-weight: bold; background-color: #4CAF50; color: white; }"
            "QPushButton:hover { background-color: #45a049; }"
            "QPushButton:disabled { background-color: #cccccc; }"
        )
        self.start_button.clicked.connect(self.start_processing)

        self.stop_button = QPushButton("停止")
        self.stop_button.setFixedWidth(150)
        self.stop_button.setStyleSheet(
            "QPushButton { padding: 8px; font-weight: bold; background-color: #f44336; color: white; }"
            "QPushButton:hover { background-color: #d32f2f; }"
            "QPushButton:disabled { background-color: #cccccc; }"
        )
        self.stop_button.clicked.connect(self.stop_processing)
        self.stop_button.setEnabled(False)

        button_layout.addWidget(self.start_button)
        button_layout.addWidget(self.stop_button)
        button_layout.addItem(spacer)

        main_layout.addLayout(button_layout)

        # 状态栏
        self.status_bar = QLabel()
        self.status_bar.setStyleSheet(
            "QLabel { color: #666666; font-style: italic; border-top: 1px solid #eeeeee; padding: 5px; }"
        )
        self.update_status("准备就绪")
        main_layout.addWidget(self.status_bar)

        main_widget.setLayout(main_layout)
        self.setCentralWidget(main_widget)

    def browse_video(self):
        file_path, _ = QFileDialog.getOpenFileName(
            self,
            "选择视频文件",
            "",
            "视频文件 (*.mp4 *.avi *.mov);;所有文件 (*.*)"
        )
        if file_path:
            self.video_path = file_path
            self.video_label.setText(os.path.basename(file_path))
            self.update_status(f"已选择视频: {os.path.basename(file_path)}")

    def start_processing(self):
        if not self.video_path:
            QMessageBox.warning(self, "警告", "请先选择视频文件")
            return

        self.start_button.setEnabled(False)
        self.stop_button.setEnabled(True)
        self.browse_button.setEnabled(False)
        self.update_status("正在处理视频...")

        self.processor = VideoProcessor(
            self.video_path,
            self.save_video_check.isChecked(),
            self.save_excel_check.isChecked()
        )
        self.processor.update_frame.connect(self.update_frame)
        self.processor.update_progress.connect(self.update_progress)
        self.processor.finished_processing.connect(self.processing_finished)
        self.processor.error_occurred.connect(self.show_error)
        self.processor.start()

    def stop_processing(self):
        if self.processor:
            self.processor.stop()
            self.processor = None
        self.reset_ui()
        self.update_status("处理已停止")

    def update_frame(self, image):
        pixmap = QPixmap.fromImage(image)
        self.video_display.setPixmap(pixmap.scaled(
            self.video_display.size(), Qt.KeepAspectRatio, Qt.SmoothTransformation
        ))

    def update_progress(self, value):
        self.progress_bar.setValue(value)
        self.update_status(f"处理中... {value}% 完成")

    def processing_finished(self, video_path, excel_path):
        self.reset_ui()
        message = "处理完成！"
        if video_path:
            message += f"\n视频已保存到: {video_path}"
        if excel_path:
            message += f"\nExcel已保存到: {excel_path}"

        self.update_status(message)
        QMessageBox.information(self, "完成", message)

    def show_error(self, message):
        self.reset_ui()
        self.update_status(f"错误: {message}")
        QMessageBox.critical(self, "错误", message)

    def reset_ui(self):
        self.start_button.setEnabled(True)
        self.stop_button.setEnabled(False)
        self.browse_button.setEnabled(True)
        self.progress_bar.setValue(0)

    def update_status(self, message):
        self.status_bar.setText(f"状态: {message}")

    def closeEvent(self, event):
        if self.processor and self.processor.isRunning():
            self.processor.stop()
            self.processor.wait()
        event.accept()


if __name__ == '__main__':
    os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
    app = QApplication(sys.argv)

    # 设置全局字体
    font = QFont()
    font.setFamily("Microsoft YaHei")
    font.setPointSize(10)
    app.setFont(font)

    window = VideoClassifierApp()
    window.show()
    sys.exit(app.exec_())

4. 项目

下载地址：猫和老鼠

关于图像分类、分割网络的改进：图像分类网络改进_听风吹等浪起的博客-CSDN博客

相关推荐
ACP广源盛139246256739 分钟前
GSV6155@ACP#6155产品规格详解及产品应用分享
嵌入式硬件·计算机外设·音视频
Sui_Network10 分钟前
备受期待的 POP 射击游戏 XOCIETY 正式在 Epic Games Store 开启体验
人工智能·游戏·rpc·区块链·量子计算·graphql
漫长的~以后23 分钟前
GPT-5.2深度拆解：多档位自适应架构如何重塑AI推理效率
人工智能·gpt·架构
爱笑的眼睛1128 分钟前
自动机器学习组件的深度解析：超越AutoML框架的底层架构
java·人工智能·python·ai
LCG米31 分钟前
嵌入式Python工业环境监测实战：MicroPython读取多传感器数据
开发语言·人工智能·python
努力的BigJiang1 小时前
Cube-slam复现及报错解决
人工智能
ComputerInBook1 小时前
代数基本概念理解——特征向量和特征值
人工智能·算法·机器学习·线性变换·特征值·特征向量
漫长的~以后1 小时前
Edge TPU LiteRT V2拆解：1GB内存设备也能流畅跑AI的底层逻辑
前端·人工智能·edge
星火10241 小时前
“重生”之我用 Solo 写了一盘中国象棋
人工智能·ai编程
祝余Eleanor1 小时前
Day37 模型可视化与推理
人工智能·python·深度学习
热门推荐
01GitHub 镜像站点02【AutoGLM部署】本地私有化部署AI手机Agent03UV安装并设置国内源04【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）05Open-AutoGLM Windows 安装部署教程06安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）07Cursor 又偷偷更新，这个功能太实用：Visual Editor for Cursor Browser08Linux下V2Ray安装配置指南09BongoCat - 跨平台键盘猫动画工具10Windows 11 官方系统安装与重装完整教程（2025年最新版）