PPYOLO训练行人检测模型

该内容为软件杯百度行人跟踪赛题中行人检测模型训练项目说明，介绍借助PaddleDetection工具的实现过程。包括解压MOT20、CrowdHuman数据集，克隆PaddleDetection仓库，处理数据集格式，训练模型，以及模型导出和推理等步骤，还提及版本差异及注意事项。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

前言：

 该项目是在准备今年软件杯百度行人跟踪赛题的其中一个项目：行人检测模型的训练。借助PaddleDetection这一工具可以很大程度的减小工作量，完成最终项目。

说废话之前，先强调一点，由于在生成新版本的时候，上传有限制。所以，不能把整个项目一起上传，因此，下面在运行的时候可能会有些小问题，多加小心哦~下面我想说点“废话”。AI项目的落地其实是一个挺复杂的过程的，需要数据集的准备、网络模型的搭建、模型的训练、最后是模型的部署，虽然罗列起来大体就只有这四个步骤，但其实每个步骤都是有很多的工作要做的，或者说在学术界都是有很多研究的。如果不是偏向于学术，而仅仅只关注于项目的落地、创意的实现，其实AI Studio是一个很不错的平台，百度飞桨推出的一些库也是很不错的，因为它们大大减小了项目部署的工作量。当然，偏向于学术，用飞桨也不错哦！咳咳咳~~~，我没在推销，我很严肃的在说。嘿嘿~~再插一嘴：软件杯最终的项目，再过会就公开哦！

AGI-Eval评测社区

AI大模型评测社区

63 查看详情

 emmmmmm,还是再贴一张图片吧。

一、准备数据集（MOT20、CrowdHuman）：

In [ ]

#!unzip -oq /home/aistudio/data/data77171/MOT20.zip!unzip -oq /home/aistudio/data/data78673/CrowedHuman.zip

把PaddleDetection从gitee的仓库里clone下来。不过，现在不建议git clone了。因为，我们当时使用的PaddleDetection默认使用的是静态图版，现在PaddleDetection已经更新了，默认使用的是PaddleDetection动态图版。（如果要用动态图版的，只需要在解压数据集的时候，把数据集放到dataset下面，然后后边在处理数据集的时候，路径稍微有一点点的不同）当然你也可以尝试使用该版本，不过下面的一些操作会有所一点点不同。如果你只是想安安静静的运行完该项目，得到最终训练好的网络模型的话，建议在解压好MOT20与CrowdHuman数据集之后，再使用我公开的数据集PaddleDetection_软件杯。

   In [ ]

!git clone https://gitee.com/paddlepaddle/PaddleDetection.git -b release/2.0

1、CrowdHuman数据集的处理：

下面这个脚本任务是用来处理CrowdHuman数据集的。CrowdHuman中的标签信息是.odgt文件，我们需要把该数据集格式进行转换，转换成VOC格式数据集或者json格式，下面只是展示转换成VOC格式。感兴趣的小伙伴也可以尝试将其转换成json格式。（运行下面的脚本之前需要先创建一个文件夹“CrowdHuman_VOC"文件夹，并在该文件夹下创建名为“ImageSets”的文件夹。）

   In [ ]

"""参数：roadimages CrowdHuman数据集中图片数据所在的根目录。xml_save_path .odgt文件转换成xml文件后保存的位置。感兴趣的小伙伴也可以进行尝试。fpath 需要转换的.odgt文件。"""from xml.dom import minidomimport cv2import osimport jsonfrom PIL import Imageroadimages = 'Images/'xml_save_path = "CrowdHuman_VOC/Annotations/train/"img_save_path = ''root_img_save = 'CrowdHuman_VOC/JPEGImages/train/'if not os.path.exists(xml_save_path):    os.makedirs(xml_save_path)if not os.path.exists(root_img_save):    os.makedirs(root_img_save)    fpath = "annotation_train.odgt" def load_func(fpath):    assert os.path.exists(fpath)    with open(fpath, 'r') as fid:        lines = fid.readlines()    records = [json.loads(line.strip('n')) for line in lines]    return recordstrain_txt = open('CrowdHuman_VOC/ImageSets/train.txt', 'w')bbox = load_func(fpath)for i0, item0 in enumerate(bbox):    print(i0)    # 建立i0的xml tree    ID = item0['ID']  # 得到当前图片的名字    imagename = roadimages + ID + '.jpg'  # 当前图片的完整路径    img_save_path = root_img_save + ID + '.jpg'    savexml = xml_save_path + ID + '.xml'  # 生成的.xml注释的名字    train_txt.write('{} {}n'.format(img_save_path, savexml))    print(img_save_path, savexml)    gtboxes = item0['gtboxes']    img_name = ID    floder = 'CrowdHuman'    im = cv2.imread(imagename)    cv2.imwrite(img_save_path, im)    w = im.shape[1]    h = im.shape[0]    d = im.shape[2]     doc = minidom.Document()  # 创建DOM树对象    annotation = doc.createElement('annotation')  # 创建子节点    doc.appendChild(annotation)  # annotation作为doc树的子节点     folder = doc.createElement('folder')    folder.appendChild(doc.createTextNode(floder))  # 文本节点作为floder的子节点    annotation.appendChild(folder)  # folder作为annotation的子节点     filename = doc.createElement('filename')    filename.appendChild(doc.createTextNode(img_name + '.jpg'))    annotation.appendChild(filename)    size = doc.createElement('size')    width = doc.createElement('width')    width.appendChild(doc.createTextNode("%d" % w))    size.appendChild(width)    height = doc.createElement('height')    height.appendChild(doc.createTextNode("%d" % h))    size.appendChild(height)    depth = doc.createElement('depth')    depth.appendChild(doc.createTextNode("%d" % d))    size.appendChild(depth)    annotation.appendChild(size)     segmented = doc.createElement('segmented')    segmented.appendChild(doc.createTextNode("0"))    annotation.appendChild(segmented)        for i1, item1 in enumerate(gtboxes):        # 提取全身框(full box)的标注        boxs = [int(a) for a in item1['fbox']]        # 左上点长宽--->左上右下        minx = str(boxs[0])        miny = str(boxs[1])        maxx = str(boxs[2] + boxs[0])        maxy = str(boxs[3] + boxs[1])        # print(box)        object = doc.createElement('object')        nm = doc.createElement('name')        nm.appendChild(doc.createTextNode('fbox'))  # 类名: fbox        object.appendChild(nm)        pose = doc.createElement('pose')        pose.appendChild(doc.createTextNode("Unspecified"))        object.appendChild(pose)        truncated = doc.createElement('truncated')        truncated.appendChild(doc.createTextNode("1"))        object.appendChild(truncated)        difficult = doc.createElement('difficult')        difficult.appendChild(doc.createTextNode("0"))        object.appendChild(difficult)        bndbox = doc.createElement('bndbox')        xmin = doc.createElement('xmin')        xmin.appendChild(doc.createTextNode(minx))        bndbox.appendChild(xmin)        ymin = doc.createElement('ymin')        ymin.appendChild(doc.createTextNode(miny))        bndbox.appendChild(ymin)        xmax = doc.createElement('xmax')        xmax.appendChild(doc.createTextNode(maxx))        bndbox.appendChild(xmax)        ymax = doc.createElement('ymax')        ymax.appendChild(doc.createTextNode(maxy))        bndbox.appendChild(ymax)        object.appendChild(bndbox)        annotation.appendChild(object)        savefile = open(savexml, 'w')        savefile.write(doc.toprettyxml())        savefile.close()

   In [ ]

from xml.dom import minidomimport cv2import osimport jsonfrom PIL import Imageroadimages = 'Images/'xml_save_path = "CrowdHuman_VOC/Annotations/val/"img_save_path = ''root_img_save = 'CrowdHuman_VOC/JPEGImages/val/'if not os.path.exists(xml_save_path):    os.makedirs(xml_save_path)if not os.path.exists(root_img_save):    os.makedirs(root_img_save)    fpath = "annotation_val.odgt" def load_func(fpath):    assert os.path.exists(fpath)    with open(fpath, 'r') as fid:        lines = fid.readlines()    records = [json.loads(line.strip('n')) for line in lines]    return recordsval_txt = open('CrowdHuman_VOC/ImageSets/val.txt', 'w')bbox = load_func(fpath) for i0, item0 in enumerate(bbox):    print(i0)    # 建立i0的xml tree    ID = item0['ID']  # 得到当前图片的名字    imagename = roadimages + ID + '.jpg'  # 当前图片的完整路径    img_save_path = root_img_save + ID + '.jpg'    savexml = xml_save_path + ID + '.xml'  # 生成的.xml注释的名字    val_txt.write('{} {}n'.format(img_save_path, savexml))    print(img_save_path, savexml)    gtboxes = item0['gtboxes']    img_name = ID    floder = 'CrowdHuman'    im = cv2.imread(imagename)    cv2.imwrite(img_save_path, im)    w = im.shape[1]    h = im.shape[0]    d = im.shape[2]     doc = minidom.Document()  # 创建DOM树对象    annotation = doc.createElement('annotation')  # 创建子节点    doc.appendChild(annotation)  # annotation作为doc树的子节点     folder = doc.createElement('folder')    folder.appendChild(doc.createTextNode(floder))  # 文本节点作为floder的子节点    annotation.appendChild(folder)  # folder作为annotation的子节点     filename = doc.createElement('filename')    filename.appendChild(doc.createTextNode(img_name + '.jpg'))    annotation.appendChild(filename)    size = doc.createElement('size')    width = doc.createElement('width')    width.appendChild(doc.createTextNode("%d" % w))    size.appendChild(width)    height = doc.createElement('height')    height.appendChild(doc.createTextNode("%d" % h))    size.appendChild(height)    depth = doc.createElement('depth')    depth.appendChild(doc.createTextNode("%d" % d))    size.appendChild(depth)    annotation.appendChild(size)     segmented = doc.createElement('segmented')    segmented.appendChild(doc.createTextNode("0"))    annotation.appendChild(segmented)        for i1, item1 in enumerate(gtboxes):        # 提取全身框(full box)的标注        boxs = [int(a) for a in item1['fbox']]        # 左上点长宽--->左上右下        minx = str(boxs[0])        miny = str(boxs[1])        maxx = str(boxs[2] + boxs[0])        maxy = str(boxs[3] + boxs[1])        # print(box)        object = doc.createElement('object')        nm = doc.createElement('name')        nm.appendChild(doc.createTextNode('fbox'))  # 类名: fbox        object.appendChild(nm)        pose = doc.createElement('pose')        pose.appendChild(doc.createTextNode("Unspecified"))        object.appendChild(pose)        truncated = doc.createElement('truncated')        truncated.appendChild(doc.createTextNode("1"))        object.appendChild(truncated)        difficult = doc.createElement('difficult')        difficult.appendChild(doc.createTextNode("0"))        object.appendChild(difficult)        bndbox = doc.createElement('bndbox')        xmin = doc.createElement('xmin')        xmin.appendChild(doc.createTextNode(minx))        bndbox.appendChild(xmin)        ymin = doc.createElement('ymin')        ymin.appendChild(doc.createTextNode(miny))        bndbox.appendChild(ymin)        xmax = doc.createElement('xmax')        xmax.appendChild(doc.createTextNode(maxx))        bndbox.appendChild(xmax)        ymax = doc.createElement('ymax')        ymax.appendChild(doc.createTextNode(maxy))        bndbox.appendChild(ymax)        object.appendChild(bndbox)        annotation.appendChild(object)        savefile = open(savexml, 'w')        savefile.write(doc.toprettyxml())        savefile.close()

   In [ ]

!mv CrowdHuman_VOC PaddleDetection/dataset

   In [ ]

train_new = open('dataset/CrowdHuman_VOC/ImageSets/train_new.txt', 'w')with open('dataset/CrowdHuman_VOC/ImageSets/train.txt', 'r') as f:    for info in f.readlines():        info_ = info.strip().split(' ')        for file_ in info_:            result = file_.strip().split('/')            train_new.write('{}/{}/{} '.format(result[1], result[2], result[3]))        train_new.write('n')

2、MOT20数据集的处理：

下面这个脚本是用来将MOT20数据集进行转换，转换成VOC格式的数据集。

   In [ ]

import cv2import osimport numpy as npimport timeimport argparseimport shutilimport codecsimport progressbartrain_20 = ['MOT20/train/MOT20-01/',                'MOT20/train/MOT20-02/',                'MOT20/train/MOT20-03/',                'MOT20/train/MOT20-05/']test_20 = ['MOT20/test/MOT20-04/',               'MOT20/test/MOT20-06/',               'MOT20/test/MOT20-07/',               'MOT20/test/MOT20-08/']def parse_ini(dir):    ini_fp = open(dir + 'seqinfo.ini','r')    seq_info = ini_fp.readlines()    seqLenth = int(seq_info[4][10:])    imWidth = int(seq_info[5][8:])    imHeight = int(seq_info[6][9:])    return seqLenth,imWidth,imHeightdef gennerate_gt(gt,Annotation,frame,filename,width,height):    fp_gt = open(gt)    gt_lines = fp_gt.readlines()    gt_fram = []    for line in gt_lines:        fram_id = int(line.split(',')[0])        if fram_id == frame:            visible = float(line.split(',')[8])            label_class = line.split(',')[7]            if (label_class == '1' or label_class == '2' or label_class == '7') and visible > 0.3:                gt_fram.append(line)    with codecs.open(Annotation + filename + '.xml', 'w') as xml:        xml.write('n')        xml.write('n')        xml.write('t' + 'voc' + 'n')        xml.write('t' + filename + '.jpg' + 'n')        # xml.write('t' + path + "/" + info1 + 'n')        xml.write('tn')        xml.write('tt The MOT-Det n')        xml.write('tn')        xml.write('tn')        xml.write('tt' + str(width) + 'n')        xml.write('tt' + str(height) + 'n')        xml.write('tt' + '3' + 'n')        xml.write('tn')        xml.write('tt0n')        for bbox in gt_fram:            x1 = int(bbox.split(',')[2])            y1 = int(bbox.split(',')[3])            x2 = int(bbox.split(',')[4])            y2 = int(bbox.split(',')[5])            xml.write('tn')        xml.write('')#用于校验图片数量和标注数量是否一致def check_num(data_dir, JPEGImage_dir,Annotations_dir=None,ori_num = 0):    num = 0    for folder in data_dir:        folder_len,_,_ = parse_ini(folder)        num += folder_len    img_list = os.listdir(JPEGImage_dir)    if ori_num==0:        img_num = len(img_list)    else:        img_num = len(img_list)-ori_num    # print('img_num:',img_num)    if Annotations_dir:        ann_list = os.listdir(Annotations_dir)        ann_num = len(ann_list)        assert ann_num == num    assert img_num == num,'if it is the second time run this demo, please delete the JPEGImages folder and retry'    # print('num:', num)    print('folders {} have been succeed checked'.format(data_dir))    return numdef main():        """train_dirs = train_20"""    test_dirs = test_20    motyear = '20'    folder = 'MOT' + motyear + 'Det'+'/VOC/'    Annotations = folder+'Annotations/'+'val/'    ImageSets = folder + 'ImageSets/'    JPEGImages = folder + 'JPEGImages/'+'val/'    Main = ImageSets + 'Main/'    if not os.path.exists(Annotations):        os.makedirs(Annotations)    if not os.path.exists(ImageSets):        os.makedirs(ImageSets)    if not os.path.exists(JPEGImages):        os.makedirs(JPEGImages)    if not os.path.exists(Main):        os.makedirs(Main)    #fp_txt = open(ImageSets + 'train_all.txt', 'w')    fp_test = open(ImageSets + 'test_all.txt', 'w')    for test_ in test_dirs:        img2 = test_ + 'img1/'        folder_id = test_[-3:-1]        test_list = os.listdir(img2)        test_seqLen,_,_ = parse_ini(test_)        assert test_seqLen==len(test_list)        bar = progressbar.ProgressBar(maxval=len(test_list)).start()        count = 0        for img in test_list:            count += 1            bar.update(count)            format_name = folder_id + img            fp_test.writelines(format_name[:-4] + 'n')  # 将生成的新的文件名写入train_all.txt，用于后续数据集拆分            shutil.copy(img2 + img, JPEGImages + '/' + format_name)  # 将文件移动到指定文件夹并重新命名    fp_test.close()if __name__ == '__main__':    main()

   In [1]

!pip install pycocotools

   In [ ]

#也可以尝试把转换后的VOC格式数据集转换成coco数据集格式后再进行训练!python PaddleDetection/tools/x2coco.py     --dataset_type voc     --voc_anno_dir MOT20Det/voc/Annotations     --voc_anno_list MOT20Det/voc/ImageSets/valid_all.txt     --voc_label_list MOT20Det/voc/label_list.txt     --voc_out_name voc_valid.json

Start converting !100%|███████████████████████████████████████| 893/893 [00:00<00:00, 2474.32it/s]

二、模型的训练：

In [ ]

%cd PaddleDetection/!pip install paddledet

由于生成VOC数据集的脚本文件有一点小问题，所以在训练之前要先把train.txt文件最后一行删除然后再保存进行训练。

   In [2]

#mot20!python PaddleDetection/tools/train.py     -c ppyolo.yml     --vdl_log_dir ~/log_crowdhuman/ppyolo_voc     --use_vdl True

   In [ ]

!python tools/export_model.py     -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml    #-o output/ppyolov2_r50vd_dcn_365e_coco/model_final.pdparams    --output_dir inference_model

三、进行推理：

In [ ]

!python tools/infer.py     -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml     -o weights=output/ppyolov2_r50vd_dcn_365e_coco/model_final.pdparams     --infer_img=/home/aistudio/infer_img/00016.jpg     --draw_threshold=0.15

这里我只是把PaddleDetection里的相关代码提取出来，放到文件夹里。这种方式便于部署，用起来很舒服。嘿嘿~~。

   In [ ]

import cv2from Detector_ppyolo import Detectorimg = cv2.imread('MOT20Det/VOC/JPEGImages/train/01000313.jpg')model_dir = 'inference_model/ppyolo'config = Config(model_dir)detector = Detector(    config, model_dir, use_gpu=False, run_mode='fluid')result, detections = detector.predict(img, 0.15)print(detections)

以上就是PPYOLO训练行人检测模型的详细内容，更多请关注创想鸟其它相关文章！