阅读量:0
目录
一、任务概述
最近遇到个需求，需要将图像中的人物区分为成人和小孩，这是一个典型的二分类问题，打算采用飞桨的图像分类套件PaddleClas来完成算法研发。本文记录相关流程。
二、算法研发
2.1 下载数据集
本文采用MaGaAge_Asian数据集，该数据集主要由亚洲人图片组成，训练集包含40000张图像，验证集包含3495张图像，每张图像都有对应的年龄真值，所有图像均处理成了统一的大小，宽178像素，高218像素。
数据集地址下载链接。数据集部分示例如下图所示：
该数据集本意是用来做年龄预测的，属于一个数值回归任务，本文将其变成二分类任务，以13岁年龄为界限，小于该年龄的属于小孩，大于该年龄的属于成人。这里之所以选择13岁，因为这个任务是需要筛选出长得很“像”小孩的小孩，13岁以上的青少年很多本身已经长的像成人了，因此，选择13岁作为分界线。
下面首先对该数据集进行处理。
2.2 数据集预处理
MaGaAge_Asian数据集每张图片对应的人物年龄存放在list文件夹的两个文件中，其中train_age.txt存放训练集对应的年龄真值，test_age.txt存放验证集对应的年龄真值。下面要写一个脚本，将所有小于13岁的图片移动到一个文件夹内，所有大于等于13岁的图片移动到另一个文件夹内。
#!/usr/bin/env python # -*- encoding: utf-8 -*- ''' @文件 :split_asian.py @说明 :拆分megaage_asian数据集，将小于13岁的移动到一个文件夹，大于等于13岁的移动到另一个文件夹 @时间 :2024/07/16 09:11:16 @作者 :Bin Qian @版本 :1.0 ''' import os import cv2 thr = 13 # 年龄阈值 # 读取年龄列表 agefile = 'megaage_asian/list/test_age.txt' f=open(agefile) ageLst = f.read().splitlines() f.close() # 读取图像 imgFolder = 'megaage_asian/val' imgnames = os.listdir(imgFolder) index = 50000 for imgname in imgnames: imgPath = os.path.join(imgFolder,imgname) img = cv2.imread(imgPath) if img is None: continue print(imgPath) imgindex = int(imgname.split('.')[0]) age = int(ageLst[imgindex-1]) if age < thr: dstFolder = 'ageclas/child' else: dstFolder = 'ageclas/adult' savePath = os.path.join(dstFolder,str(index)+'_asian.jpg') cv2.imwrite(savePath,img) index += 1 print('完成')值得注意的是MaGaAge_Asian数据集中有很多质量较差的图像，这些“脏”图像会影响学习效果，最好手工检查这些数据并将其剔除。
另外，为了能够取得更好的效果，本文从互联网和FFHQ数据集里面再挑选出一些小孩和成人的照片进行补充。部分代码如下：
import os import cv2 # 读取图像 imgFolder = 'adult' imgnames = os.listdir(imgFolder) index = 1 for imgname in imgnames: imgPath = os.path.join(imgFolder,imgname) img = cv2.imread(imgPath) if img is None: continue print(imgPath) dstFolder = 'ageclas/adult' savePath = os.path.join(dstFolder,str(index)+'_data.jpg') cv2.imwrite(savePath,img) index += 1 print('完成')补充完整后，最后对整理好的数据集进行拆分，并且获得对应的文件列表：
# 导入系统库 import os import random import cv2 # 定义参数 img_folder = 'ageclas' trainlst = 'train_list.txt' vallst = 'val_list.txt' ratio = 0.95 # 训练集占比 labellst='label.txt' def writeLst(lstpath,namelst): ''' 保存文件列表 ''' print('正在写入 '+lstpath) random.shuffle (namelst) # 写入训练样本文件 f=open(lstpath, 'a', encoding='utf-8') for i in range(len(namelst)): text = namelst[i]+'\n' f.write(text) f.close() print(lstpath+ '已完成写入') def main(): ''' 主函数 ''' # 查找文件夹 folderlst = os.listdir(img_folder) print('共找到 %d 个文件夹' % len(folderlst)) # 循环处理 trainnamelst = list() valnamelst = list() labelnamelst = list() for i in range(len(folderlst)): class_name = folderlst[i] class_label = i print('开始处理 '+class_name+' 文件夹') # 获取子文件夹文件列表 filenamelst = os.listdir(os.path.join(img_folder,class_name)) totalNum = len(filenamelst) print('当前文件夹图片数量为: ' + str(totalNum)) trainNum = int(ratio*totalNum) text = str(class_label)+ ' ' + class_name labelnamelst.append(text) # 检查并校验图像 for j in range(totalNum): imgpath = os.path.join(img_folder,class_name,filenamelst[j]) img = cv2.imread(imgpath, cv2.IMREAD_COLOR) if img is None: continue text = imgpath + ' ' + str(class_label) if j <= trainNum: trainnamelst.append(text) else: valnamelst.append(text) writeLst(trainlst,trainnamelst) writeLst(vallst,valnamelst) writeLst(labellst,labelnamelst) print('全部完成') if __name__ == '__main__': '''程序入口''' main() 运行后会生成train_lst.txt、val_lst.txt以及label.txt三个文件，有了这三个文件就可以使用PaddleClas套件进行算法研发了。
2.3 安装PaddleClas套件
git clone https://gitee.com/paddlepaddle/PaddleClas.git cd PaddleClas sudo python setup.py install2.4 算法训练
在PaddleClas目录下新建一个配置文件config_lcnet.yaml，采用PPLCNet_x0_5模型来训练，配置文件代码如下：
# global configs Global: checkpoints: null pretrained_model: null output_dir: ./output/ device: gpu save_interval: 5 eval_during_train: True eval_interval: 5 epochs: 200 print_batch_step: 10 use_visualdl: True # used for static mode and model export image_shape: [3, 224, 224] save_inference_dir: ./output/inference # model architecture Arch: name: PPLCNet_x0_5 class_num: 2 # loss function config for traing/eval process Loss: Train: - CELoss: weight: 1.0 epsilon: 0.1 Eval: - CELoss: weight: 1.0 Optimizer: name: Momentum momentum: 0.9 lr: name: Cosine learning_rate: 0.8 warmup_epoch: 5 regularizer: name: 'L2' coeff: 0.00003 # data loader for train and eval DataLoader: Train: dataset: name: ImageNetDataset image_root: ../process_data/ cls_label_path: ../process_data/train_list.txt transform_ops: - DecodeImage: to_rgb: True channel_first: False - ResizeImage: size: [224,224] - RandFlipImage: flip_code: 1 - NormalizeImage: scale: 1.0/255.0 mean: [0.485, 0.456, 0.406] std: [0.229, 0.224, 0.225] order: '' sampler: name: DistributedBatchSampler batch_size: 64 drop_last: False shuffle: True loader: num_workers: 4 use_shared_memory: True Eval: dataset: name: ImageNetDataset image_root: ../process_data/ cls_label_path: ../process_data/val_list.txt transform_ops: - DecodeImage: to_rgb: True channel_first: False - ResizeImage: size: [224,224] - NormalizeImage: scale: 1.0/255.0 mean: [0.485, 0.456, 0.406] std: [0.229, 0.224, 0.225] order: '' sampler: name: DistributedBatchSampler batch_size: 64 drop_last: False shuffle: False loader: num_workers: 4 use_shared_memory: True Infer: infer_imgs: "../testimgs/10.jpg" batch_size: 1 transforms: - DecodeImage: to_rgb: True channel_first: False - ResizeImage: size: [224,224] - NormalizeImage: scale: 1.0/255.0 mean: [0.485, 0.456, 0.406] std: [0.229, 0.224, 0.225] order: '' - ToCHWImage: PostProcess: name: Topk topk: 1 class_id_map_file: "../process_data/label.txt" Metric: Train: - TopkAcc: topk: [1] Eval: - TopkAcc: topk: [1] 然后使用下面的命令进行训练：
export CUDA_VISIBLE_DEVICES=0,1 python3 -m paddle.distributed.launch \ --gpus="0,1" \ tools/train.py \ -c config_lcnet.yaml 训练完成后可以使用下面的命令可视化查看训练结果：
visualdl --logdir results/vdl运行效果如下：
可以看到，基本在epoch=100以后就收敛了，最高top1准确率达到97.5%，准确率还是比较高的。
下面可以使用动态图对单张图像进行测试，命令如下：
python3 tools/infer.py -c config_lcnet.yaml -o Global.pretrained_model=output/PPLCNet_x0_5/best_model输出如下：
[{'class_ids': [1], 'scores': [0.93522], 'file_name': '../testimgs/10.jpg', 'label_names': ['adult']}]2.5 静态图导出
为了方便后面进行模型部署，将训练好的最佳模型进行静态图导出。具体命令如下：
python3 tools/export_model.py \ -c config_lcnet.yaml \ -o Global.pretrained_model=output/PPLCNet_x0_5/best_model \ -o Global.save_inference_dir=output/inference导出的静态图模型存放在output/inference文件夹下面，整个模型参数加起来不超过3M，因此可以看出这个训练好的PPLCNet_x0_5模型是一个非常轻量级的模型。
2.6 静态图推理
下面使用静态图来进行推理。在推理前先使用visualdl工具查看下静态图模型的输入和输出，这将为编写推理脚本奠定基础。
可以看到，输入是[batch,3,224,224]的float型图像数据，输出是[batch,2]的float型数据。尤其是输出的两个值，代表的是两个类别的概率。
有了上面的分析，下面可以用PaddleInference写一个推理脚本infer.py：
import cv2 import numpy as np from paddle.inference import create_predictor from paddle.inference import Config as PredictConfig # 加载静态图模型 model_path = "./output/inference/inference.pdmodel" params_path = "./output/inference/inference.pdiparams" pred_cfg = PredictConfig(model_path, params_path) pred_cfg.enable_memory_optim() # 启用内存优化 pred_cfg.switch_ir_optim(True) pred_cfg.enable_use_gpu(500, 0) # 启用GPU推理 predictor = create_predictor(pred_cfg) # 创建PaddleInference推理器 # 解析模型输入输出 input_names = predictor.get_input_names() input_handle = {} for i in range(len(input_names)): input_handle[input_names[i]] = predictor.get_input_handle(input_names[i]) output_names = predictor.get_output_names() output_handle = predictor.get_output_handle(output_names[0]) # 图像预处理 img = cv2.imread("../testimgs/10.jpg", flags=cv2.IMREAD_COLOR) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (224, 224), interpolation=cv2.INTER_AREA) img = img.astype(np.float32) PIXEL_MEANS =(0.485, 0.456, 0.406) # RGB格式的均值和方差 PIXEL_STDS = (0.229, 0.224, 0.225) img/=255.0 img-=np.array(PIXEL_MEANS) img/=np.array(PIXEL_STDS) img = np.transpose(img[np.newaxis, :, :, :], (0, 3, 1, 2)) # 预测 input_handle["x"].copy_from_cpu(img) predictor.run() results = output_handle.copy_to_cpu() # 后处理 results = results.squeeze(0) if results[0]>results[1]: print('小孩'+" "+str(results[0])) else: print('大人'+" "+str(results[1])) 从网上随便找两张照片，运行效果如下：
输出结果：
小孩 0.7256172
输出结果：
大人 0.9533998可以看到，推理效果还是比较满意的。
三、小结
本文以项目为主线，使用了PaddleClas算法套件解决了年龄分类问题。后续读者如果想要深入学习PaddlePaddle（飞桨）及相关算法套件，可以关注我的书籍（链接）。
