描述

?

深度學(xué)習(xí)極大地提高了計(jì)算機(jī)視覺的性能，使其能夠達(dá)到人類甚至在某些情況下甚至超人類水平的能力。在過去的幾年里，用于訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的框架一直在提高其用戶友好性，以至于具有一些 Python 編程技能的普通用戶可以訓(xùn)練和使用神經(jīng)網(wǎng)絡(luò)來完成廣泛的計(jì)算機(jī)視覺任務(wù)，包括圖像分類、對象檢測和語義分割。

不過有一個警告——眾所周知，如果你想獲得好的結(jié)果，深度神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)進(jìn)行訓(xùn)練。在某些情況下，您可以使用開放數(shù)據(jù)集 - 然后問題就解決了。

在圖像分類的情況下，可以通過抓取網(wǎng)絡(luò)獲得中小型數(shù)據(jù)集。對于對象檢測，情況更加困難，因?yàn)橛?xùn)練對象檢測網(wǎng)絡(luò)不僅需要圖像，還需要注釋文件，其中包含邊界框坐標(biāo)。因此，如果有問題的對象沒有可用的良好開源檢測數(shù)據(jù)集，您唯一的選擇是手動創(chuàng)建數(shù)據(jù)集，這可能是一項(xiàng)乏味的任務(wù)。

除非...

您可以使用合成數(shù)據(jù)自動執(zhí)行數(shù)據(jù)集創(chuàng)建過程。有幾種方法可以生成用于對象檢測的合成數(shù)據(jù)：

1）只需將對象粘貼到背景上并隨機(jī)化它們的方向/比例/位置

2）使用逼真的3D渲染引擎，如Unreal Engine

3) 使用 GAN 生成數(shù)據(jù)？當(dāng)然，在這種情況下，您已經(jīng)擁有一個能夠識別/檢測相關(guān)對象的網(wǎng)絡(luò)（GAN 中的鑒別器），所以這有點(diǎn)像雞與蛋的問題

2022 年 4 月 4 日更新。我盡我所能定期更新我的文章，并根據(jù)您在 YouTube/Hackster 評論部分的反饋。如果您想表達(dá)對這些努力的支持和贊賞，請考慮給我買杯咖啡（或披薩）:)。

在本文中，我們將重點(diǎn)介紹最簡單和最容易剖析的方法 - 剪切粘貼。不要被腳本生成的圖像看似簡單和不切實(shí)際的外觀所迷惑。卷積神經(jīng)網(wǎng)絡(luò)沒有邏輯或常識——因此對于我們的對象檢測網(wǎng)絡(luò)，即使是看似荒謬的圖像也是一個很好的學(xué)習(xí)材料。

在這些照片中，重力似乎消失了。嗯，YOLO 不知道重力

?

我的任務(wù)是MARK 機(jī)器人平臺的樂高檢測模型。我在 Kaggle 上找到了一個很好的樂高分類數(shù)據(jù)集，但沒有現(xiàn)成的檢測數(shù)據(jù)集。所以我決定重新設(shè)計(jì)用于為論文Cut, Paste and Learn: Surprisingly Easy Synthesis for Instance Detection生成合成場景的代碼。

下載并準(zhǔn)備對象實(shí)例

從這里下載樂高圖像數(shù)據(jù)集。它實(shí)際上也是使用 Autodesk Maya 2020 從 3D 模型程序生成的。

對于合成數(shù)據(jù)生成，我們將需要對象實(shí)例及其二進(jìn)制掩碼——在我們的例子中，由于樂高積木都在黑色背景上，我們可以簡單地使用以下閾值腳本來生成這些掩碼。我們還隨機(jī)給樂高積木上色，因?yàn)槲覀兿ＭＰ蜋z測不同顏色的樂高積木。

# Standard imports
import cv2
import numpy as np;
import os
import time
import random
import sys

colors = ([1, 0, 0], [0, 1, 0], [0, 0, 1], [1, 1, 0], [0, 1, 1], [1, 0, 1])
input_folder = sys.argv[1]
output_folder = sys.argv[2]
try:
    os.mkdir(os.path.join(os.path.join(output_folder, "imgs")))
    os.mkdir(os.path.join(os.path.join(output_folder, "masks")))
except Exception:
    pass
for folder in os.listdir(input_folder):
    for file in os.listdir(os.path.join(input_folder, folder)):
        print(file)
        img = cv2.imread(os.path.join(input_folder, folder, file))
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        ret, thresh = cv2.threshold(gray, 1,255, cv2.THRESH_BINARY_INV)
        
        #coloring
        RGB = random.randint(0, len(colors)-1)  
        img[thresh == 0] *= np.array(colors[RGB], dtype='uint8')
        
        #writing to files
        cv2.imwrite(os.path.join(os.path.join(output_folder, "imgs", file)), img)
        cv2.imwrite(os.path.join(os.path.join(output_folder, "masks", file)), thresh)
        
        cv2.imshow('final', img)
        cv2.waitKey(50)
cv2.destroyAllWindows()

使用輸入文件夾的名稱運(yùn)行上述腳本（其中包含具有不同對象圖像的文件夾，每種類型的對象一個）和輸出文件夾，其中將保存圖像和蒙版，例如

python helper.py objects output

?

您將看到正在處理和保存的圖像。

?

接下來，克隆我的剪切、粘貼和學(xué)習(xí)論文代碼的分支——我將其更改為使用 Python 3 并接受.png 圖像作為掩碼。

git clone https://github.com/AIWintermuteAI/syndata-generation.git

安裝所有必需的依賴項(xiàng)（我建議您安裝依賴項(xiàng)并在 Python 的虛擬環(huán)境中執(zhí)行腳本，例如 conda 或 virtualenv）。

pip install -r requirements.txt

將帶有圖像和蒙版的文件夾放入 data_dir/objects_dir 并在 data_dir/backgrounds 中添加或更改背景圖片。干擾物是我們試圖檢測的其他不是物體的物體——我在做這個項(xiàng)目時沒有使用它們。然后使用以下命令運(yùn)行生成腳本：

python dataset_generator.py data_dir/objects_dir/lego/imgs output_dir/ --num 3 --scale --dontocclude

和...

獲得數(shù)據(jù)后，我們需要對其進(jìn)行適當(dāng)?shù)慕Y(jié)構(gòu)化。需要有 4 個文件夾——訓(xùn)練圖像、訓(xùn)練注釋、驗(yàn)證圖像和驗(yàn)證注釋。只需從剛剛生成的數(shù)據(jù)中剪切一些圖片和注釋，然后將它們粘貼到驗(yàn)證圖像和注釋文件夾中。確保剪切而不是復(fù)制圖像/注釋。

訓(xùn)練模型

您可以使用任何框架/腳本來訓(xùn)練模型 - 但是我建議使用aXeleRate，這是一個基于 Keras 的邊緣 AI 框架。它將自動訓(xùn)練模型并將訓(xùn)練會話的最佳模型轉(zhuǎn)換為邊緣推理所需的格式 - 目前它支持將訓(xùn)練模型轉(zhuǎn)換為：.kmodel(K210)、.tflite 格式（提供完整的整數(shù)和動態(tài)范圍量化支持)，OpenVINO IR 模型格式。實(shí)驗(yàn)性支持：Google Edge TPU、TensorRT。

?

在本地機(jī)器上安裝 aXeleRate

pip install git+https://github.com/AIWintermuteAI/aXeleRate

要下載示例，請運(yùn)行：

git clone https://github.com/AIWintermuteAI/aXeleRate.git

您可以使用aXeleRate文件夾中的 tests_training_and_inference.py運(yùn)行快速測試。它將為每種模型類型運(yùn)行訓(xùn)練和推理，保存和轉(zhuǎn)換訓(xùn)練好的模型。由于它只訓(xùn)練 5 個 epoch 并且數(shù)據(jù)集非常小，您將無法獲得有用的模型，但此腳本僅用于檢查是否存在錯誤。

對于實(shí)際訓(xùn)練，您需要運(yùn)行以下命令：

python axelerate/train.py -c config/lego_detector.json

您可以從此處下載 example.json 配置文件和預(yù)訓(xùn)練模型。確保更改圖像/注釋訓(xùn)練和驗(yàn)證文件夾路徑以匹配它們在系統(tǒng)上的位置。有關(guān)配置文件中附加參數(shù)的進(jìn)一步說明，請查看本文。

推理

訓(xùn)練完成后，您可以使用以下命令在您的計(jì)算機(jī)上進(jìn)行快速健全性檢查并執(zhí)行推理：

python axelerate/infer.py -c config/lego_detector.json --weights path-to-h5-weights

以下步驟將取決于您要運(yùn)行訓(xùn)練模型的硬件。例如，對于 Raspberry Pi，使用 generated.tflite 模型和這個示例腳本。

在本文中，我們將使用基于 K210 的機(jī)器人平臺進(jìn)行 AI 教育，MARK（代表 Make A Robot Kit）。將項(xiàng)目文件夾中的.kmodel 文件復(fù)制到SD 卡中，并將SD 卡插入cyberEye 主板——cyberEye 是Maixduino 的定制版本。首先，讓我們使用來自 TinkerGen 的圖形編程環(huán)境 Codecraft 快速測試我們的機(jī)器人樂高檢測功能。

打開 Codecraft ，選擇 MARK(cyberEye) 作為設(shè)備，添加自定義模型擴(kuò)展并定義具有以下屬性的對象檢測模型：

?

然后使用新出現(xiàn)的塊創(chuàng)建以下代碼：

?

如果您覺得卡住了，可以從本文的附件中下載 Codecraft 的 .cdc 文件。

它適用于較大的樂高積木，但也可以檢測較小的積木。在找到四月標(biāo)簽后，機(jī)器人會接近四月標(biāo)簽，直到達(dá)到設(shè)定的距離。然后它放下樂高積木，轉(zhuǎn)身并從循環(huán)的開頭繼續(xù)。

如果您使用相同型號和相同打印的 April Tag（A3 紙，tag36h11_1），您可以簡單地在 MaixPy IDE 中執(zhí)行代碼并觀看您的機(jī)器人收集樂高積木！

如果您有任何問題，請?jiān)贚inkedIn上添加我，并訂閱我的 YouTube 頻道，以獲得有關(guān)機(jī)器學(xué)習(xí)和機(jī)器人技術(shù)的更多有趣項(xiàng)目的通知。