YOLO目标检测识别及其部署备案(待填坑)

YOLO_V数据集制作方法及如何更换其backbone

写在最前面：
出于兴趣，我针对轻量化神经网络的训练和部署做了一些相关的研究，在此做一个学习过程记录
首先是数据集的制作，在以下网址可以找到我分享的关于AVM的一个数据集，label：
‘’‘’‘’‘（待上传）
第一步是从一堆相似性太高的数据集里面筛选出一些合适的样本，并移动至目标目录，更改好名字
参考以下的脚本

# 此脚本提取目标文件夹中目标图片并转移到目标目录下
# 规则是每隔x个采一个样本取出并复制到目标文件夹
# 在复制完成后，第二个函数将目标目录下的所有文件按照下标从0开始顺序排列，统一后缀为img00000.jpg
import os
import shutil


# 1、取出目标文件夹下面所有的名字列表
def get_list_of_path_in_directory(path, target_suffix):
    file_list_complete = []  # 定义一个list来存放所有的文件名字全程带后缀
    file_list_only_name = []  # 定义一个list用来存放文件的名字（只有名字）
    root_dir = os.listdir(path=path)
    # os.listdir()用于输出所有的文件和目录，需要判断一下，是不是目录，但本次使用目标文件夹下面没有目录
    for file in root_dir:
        if file.split('.')[-1] == target_suffix:
            file_list_only_name.append(file.split('.')[0])
            file_list_complete.append(file)  # 将所有的文件名字都放在file_list里面
            print("文件名已经被提出：", file)
    print("文件总数量", len(file_list_complete))
    file_list_complete = sort_goals_complete(file_list_complete)
    file_list_only_name = sort_list_for_enum_str(file_list_only_name)
    return file_list_complete, file_list_only_name


# 2、由于目标文件夹中的图片相似度很高，并不需要对全部图片进行打标操作，采用隔10个取一次的方法，但是要求目标必须是按照
# 名字顺序排序的,故需要对file_list进行排序处理
def sort_goals_complete(file_list):
    file_list.sort(key=lambda x: int(x[:-4]))  # .png所以是[:-4]
    print("已经排序")
    return file_list


def sort_goals_only_name(file_list):
    a = []
    for i in range(len(file_list)):
        a.append(min(file_list))
    file_list.sort()  # 在没有后缀的时候直接排序
    print("已经排序")
    return file_list


# 由于sort似乎不是那么好用，重写一下针对这个list里面是str元素的排序方法，由小到大
def sort_list_for_enum_str(s_list):
    list_in_int = []
    list_in_str = []
    for enum in s_list:
        list_in_int.append(int(enum))
    print("已经将元素转换为int", list_in_int)
    list_in_int_sorted = []
    for i in range(len(s_list)):
        list_in_int_sorted.append(min(list_in_int))
        list_in_int.remove(min(list_in_int))
    print("已经将元素重新排序", list_in_int_sorted)
    for element in list_in_int_sorted:
        list_in_str.append(str(element))
    print("已经将元素全部转化为str", list_in_str)
    return list_in_str


# 3、在目标list中，从n开始，每隔step个取出一个图片,然后移动
def get_target_image_and_move(file_list, original_path, target_path):
    step = 5
    n = 0
    filtered_data = []
    for i in range(n, len(file_list), step):
        print("取出文件")
        filtered_data.append(file_list[i])
    for file in filtered_data:
        # 组合成为原始绝对路径和目标绝对路径
        original_file_name = os.sep.join([f'{original_path}', f'{file}'])
        # target_path = os.sep.join([f'{target_path}', f'{file}'])
        # 移动文件
        shutil.copy(original_file_name, target_path)


# 批量化重新命名，这样可以方便使用数据
def batch_rename_file(target_path_for_rename):
    file_list_only_name = get_list_of_path_in_directory(target_path_for_rename, target_suffix="png")[-1]  # 提取所有的文件名
    i = 0
    for name in file_list_only_name:
        number = 0
        i = i + 1
        i = str(i)
        # i.zfill(5) # 这里也可以使用zfill方法来补全前面的缺0
        if len(i) == 1:
            number = "0000"
        elif len(i) == 2:
            number = "000"
        elif len(i) == 3:
            number = "00"
        elif len(i) == 4:
            number = "0"
        new_name = f"img{number}" + i
        i = int(i)
        print("更改文件名：", name, "新的文件名：", new_name)
        os.rename(src=os.path.join(target_path_for_rename, name) + ".png",
                  dst=os.path.join(target_path_for_rename, new_name) + ".jpg")


# image_list = get_list_of_path_in_directory(path=r"D:\研究生学习阶段\自动泊车论文、项目\AVM_车位", target_suffix='png')
# sorted_file = sort_goals_complete(image_list[0])
# get_target_image_and_move(sorted_file, r"path（源目录）",
#                           target_path=r"path（目标目录）")
batch_rename_file(target_path_for_rename=r"path（目标目录）")

轻量化的目标

为了部署到嵌入式设备上，并且在算力有限的情况下跑起来。
探索pytorch的跨设备，跨环境部署方法

部署的全流程记录