目标检测:入门篇

目标检测 

1. 什么是目标检测？

1.1.定义

目标检测是计算机视觉任务，旨在图像或视频中定位和识别感兴趣的目标。定位指找到目标的位置（如用边界框表示），识别指确定目标的类别。

• 其关键要素：
  • 定位：用边界框（如矩形框）表示位置，坐标包括左上角  和右下角   
  • 识别：分类目标内容，目标可以是常规物体（如人、车）或抽象概念。
  • 任务目标：根据应用需求定义感兴趣目标。

2. 目标检测常见数据集

数据集包括输入（图片）和输出（标注），评估标准包括数据量、场景覆盖度和标注质量。

• 主要数据集介绍：
  • VOC数据集：
    • 结构：包含 Annotations（XML标注文件）和 JPEGImages（图片文件夹）。
    • 标注格式：重点关注 object 标签，包括 name（类别）和 bndbox（边界框坐标）。
    • 坐标系：图像坐标系原点在左上角，x轴向右，y轴向下。
  • COCO数据集：
    • 结构：使用 JSON 文件存储标注。
    • 标注格式：bbox 字段表示, 。
  • YOLO标注格式：
    • 结构：TXT 文件存储标注。
    • 标注格式：每行表示一个目标，格式为 class_id center_x center_y width height，其中坐标归一化到 [0,1]。

这些数据集各有其特点，VOC、COCO和YOLO格式都是计算机视觉领域常用的数据集标注格式。其中VOC格式采用XML文件存储标注信息，结构清晰且支持多任务标注，但文件体积较大且解析效率较低，适合小规模研究项目或需要详细标注的场景。COCO格式使用JSON文件组织数据，支持丰富的标注类型和层次化结构，兼容性强且被多数现代框架支持，但文件解析复杂度较高，适用于中大规模数据集和需要复杂标注的任务。YOLO格式以纯文本存储标注，每行对应一个目标的归一化坐标和类别，文件紧凑且加载高效，但缺乏元信息和多任务支持，适合实时性要求高的目标检测任务（如YOLO系列模型）。选择时需权衡标注需求、数据规模及模型兼容性——VOC适合精细化标注，COCO适合多任务研究，YOLO格式则侧重轻量化和检测效率。

3. 目标检测数据集代码实战

• 环境配置：
  • 安装 Python、Anaconda（可选）、PyCharm 和深度学习库（如 PyTorch、OpenCV）。
  • 设置虚拟环境，确保依赖兼容。
• 加载VOC数据集： import os
  import xml.etree.ElementTree as ET
  import cv2
  import matplotlib.pyplot as plt
  import matplotlib.patches as patches
  from typing import List, Dict, Tuple

  class VOCDatasetLoader:
  \”\”\”VOC数据集加载器，用于加载和解析VOC格式的数据集\”\”\”

  def __init__(self, voc_root: str, split: str = \’train\’):
  \”\”\”
  初始化VOC数据集加载器

  Args:
  voc_root: VOC数据集根目录，如 \’./VOCdevkit/VOC2007\’
  split: 数据集划分，可选 \’train\’, \’val\’, \’trainval\’, \’test\’
  \”\”\”
  self.voc_root = voc_root
  self.split = split

  # 定义VOC数据集的标准路径
  self.annotations_dir = os.path.join(voc_root, \’Annotations\’)
  self.images_dir = os.path.join(voc_root, \’JPEGImages\’)
  self.image_sets_dir = os.path.join(voc_root, \’ImageSets\’, \’Main\’)

  # 获取指定划分的图片ID列表
  self.image_ids = self._get_image_ids()

  # VOC数据集的20个类别（PASCAL VOC 2007/2012）
  self.class_names = [
  \’aeroplane\’, \’bicycle\’, \’bird\’, \’boat\’, \’bottle\’,
  \’bus\’, \’car\’, \’cat\’, \’chair\’, \’cow\’,
  \’diningtable\’, \’dog\’, \’horse\’, \’motorbike\’, \’person\’,
  \’pottedplant\’, \’sheep\’, \’sofa\’, \’train\’, \’tvmonitor\’
  ]
  self.class2id = {name: idx for idx, name in enumerate(self.class_names)}

  def _get_image_ids(self) -> List[str]:
  \”\”\”获取指定划分的图片ID列表\”\”\”
  split_file = os.path.join(self.image_sets_dir, f\'{self.split}.txt\’)

  if not os.path.exists(split_file):
  raise FileNotFoundError(f\”划分文件不存在: {split_file}\”)

  with open(split_file, \’r\’) as f:
  image_ids = [line.strip() for line in f if line.strip()]

  return image_ids

  def parse_annotation(self, image_id: str) -> Dict:
  \”\”\”
  解析单个图片的标注文件

  Args:
  image_id: 图片ID（不含扩展名）

  Returns:
  包含标注信息的字典
  \”\”\”
  xml_path = os.path.join(self.annotations_dir, f\'{image_id}.xml\’)

  if not os.path.exists(xml_path):
  raise FileNotFoundError(f\”标注文件不存在: {xml_path}\”)

  tree = ET.parse(xml_path)
  root = tree.getroot()

  # 初始化标注信息
  annotation = {
  \’image_path\’: os.path.join(self.images_dir, f\'{image_id}.jpg\’),
  \’width\’: int(root.find(\’size/width\’).text),
  \’height\’: int(root.find(\’size/height\’).text),
  \’depth\’: int(root.find(\’size/depth\’).text),
  \’objects\’: []
  }

  # 解析每个目标对象
  for obj in root.findall(\’object\’):
  obj_info = {
  \’name\’: obj.find(\’name\’).text,
  \’class_id\’: self.class2id[obj.find(\’name\’).text],
  \’difficult\’: int(obj.find(\’difficult\’).text),
  \’bndbox\’: {
  \’xmin\’: int(obj.find(\’bndbox/xmin\’).text),
  \’ymin\’: int(obj.find(\’bndbox/ymin\’).text),
  \’xmax\’: int(obj.find(\’bndbox/xmax\’).text),
  \’ymax\’: int(obj.find(\’bndbox/ymax\’).text)
  }
  }
  annotation[\’objects\’].append(obj_info)

  return annotation

  def load_image(self, image_id: str) -> Tuple[cv2.Mat, Dict]:
  \”\”\”
  加载单个图片及其标注信息

  Args:
  image_id: 图片ID

  Returns:
  (图片数组, 标注信息字典)
  \”\”\”
  annotation = self.parse_annotation(image_id)
  image = cv2.imread(annotation[\’image_path\’])
  # 转换为RGB格式（OpenCV默认是BGR）
  image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

  return image, annotation

  def __len__(self) -> int:
  \”\”\”返回数据集大小\”\”\”
  return len(self.image_ids)

  def __getitem__(self, idx: int) -> Tuple[cv2.Mat, Dict]:
  \”\”\”通过索引获取数据\”\”\”
  if idx < 0 or idx >= len(self.image_ids):
  raise IndexError(\”索引超出范围\”)

  image_id = self.image_ids[idx]
  return self.load_image(image_id)

  def visualize_sample(self, idx: int):
  \”\”\”可视化单个样本\”\”\”
  image, annotation = self[idx]

  # 创建绘图对象
  fig, ax = plt.subplots(1, figsize=(10, 8))
  ax.imshow(image)

  # 绘制每个目标的边界框
  for obj in annotation[\’objects\’]:
  bbox = obj[\’bndbox\’]
  # 创建矩形框
  rect = patches.Rectangle(
  (bbox[\’xmin\’], bbox[\’ymin\’]),
  bbox[\’xmax\’] – bbox[\’xmin\’],
  bbox[\’ymax\’] – bbox[\’ymin\’],
  linewidth=2,
  edgecolor=\’red\’,
  facecolor=\’none\’
  )
  ax.add_patch(rect)
  # 添加类