深度学习目标检测系列：faster RCNN实现|附python源码

摘要： 本文在讲述RCNN系列算法基本原理基础上，使用keras实现faster RCNN算法，在细胞检测任务上表现优异，可动手操作一下。

目标检测一直是计算机视觉中比较热门的研究领域，有一些常用且成熟的算法得到业内公认水平，比如RCNN系列算法、SSD以及YOLO等。如果你是从事这一行业的话，你会使用哪种算法进行目标检测任务呢？在我寻求在最短的时间内构建最精确的模型时，我尝试了其中的R-CNN系列算法，如果读者们对这方面的算法还不太了解的话，建议阅读《目标检测算法图解：一文看懂RCNN系列算法》。在掌握基本原理后，下面进入实战部分。

本文将使用一个非常酷且有用的数据集来实现faster R-CNN，这些数据集具有潜在的真实应用场景。

问题陈述

数据来源于医疗相关数据集，目的是解决血细胞检测问题。任务是通过显微图像读数来检测每张图像中的所有红细胞（RBC）、白细胞（WBC）以及血小板。最终预测效果应如下所示：

选择该数据集的原因是我们血液中RBC、WBC和血小板的密度提供了大量关于免疫系统和血红蛋白的信息，这些信息可以帮助我们初步地识别一个人是否健康，如果在其血液中发现了任何差异，我们就可以迅速采取行动来进行下一步的诊断。

通过显微镜手动查看样品是一个繁琐的过程，这也是深度学习模式能够发挥重要作用的地方，一些算法可以从显微图像中分类和检测血细胞，并且达到很高的精确度。

本文采用的血细胞检测数据集可以从这里下载，本文稍微修改了一些数据：

• 边界框已从给定的.xml格式转换为.csv格式；
• 随机划分数据集，得到训练集和测试集；

这里使用流行的Keras框架构建本文模型。

系统设置

在真正进入模型构建阶段之前，需要确保系统已安装正确的库和相应的框架。运行此项目需要以下库：

• pandas
• matplotlib
• tensorflow
• keras – 2.0.3
• numpy
• opencv-python
• sklearn
• h5py

对于已经安装了Anaconda和Jupyter的电脑而言，上述这些库大多数已经安装好了。建议从此链接下载requirements.txt文件，并使用它来安装剩余的库。在终端中键入以下命令来执行此操作：

pip install -r requirement.txt

系统设置好后，下一步是进行数据处理。

数据探索

首先探索所拥有的数据总是一个好开始（坦率地说，这是一个强制性的步骤）。对数据熟悉有助于挖掘隐藏的模式，还可以获得对整体的洞察力。本文从整个数据集中创建了三个文件，分别是：

• train_images：用于训练模型的图像，包含每个图像的类别和实际边界框；
• test_images：用于模型预测的图像，该集合缺少对应的标签；
• train.csv：包含每个图像的名称、类别和边界框坐标。一张图像可以有多行数据，因为单张图像可能包含多个对象；

读取.csv文件并打印出前几行：

# importing required libraries
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from matplotlib import patches

# read the csv file using read_csv function of pandas
train = pd.read_csv(‘train.csv’)
train.head()

训练文件中总共有6列，其中每列代表的内容如下：

• image_names：图像的名称；
• cell_type：表示单元的类型；
• xmin：图像左下角的x坐标；
• xmax：图像右上角的x坐标；
• ymin：图像左下角的y坐标；
• ymax：图像右上角的y坐标；

下面打印出一张图片来展示正在处理的图像：

# reading single image using imread function of matplotlib
image = plt.imread('images/1.jpg')
plt.imshow(image)

上图就是血细胞图像的样子，其中，蓝色部分代表WBC，略带红色的部分代表RBC。下面看看整个训练集中总共有多少张图像和不同类型的数量。

# Number of classes
train['cell_type'].value_counts()

结果显示训练集有254张图像。

# Number of classes
train['cell_type'].value_counts()

结果显示有三种不同类型的细胞，即RBC，WBC和血小板。最后，看一下检测到的对象的图像是怎样的：

fig = plt.figure()

#add axes to the image
ax = fig.add_axes([0,0,1,1])

# read and plot the image
image = plt.imread('images/1.jpg')
plt.imshow(image)

# iterating over the image for different objects
for _,row in train[train.image_names == "1.jpg"].iterrows():
    xmin = row.xmin
    xmax = row.xmax
    ymin = row.ymin
    ymax = row.ymax

    width = xmax - xmin
    height = ymax - ymin

    # assign different color to different classes of objects
    if row.cell_type == 'RBC':
        edgecolor = 'r'
        ax.annotate('RBC', xy=(xmax-40,ymin+20))
    elif row.cell_type == 'WBC':
        edgecolor = 'b'
        ax.annotate('WBC', xy=(xmax-40,ymin+20))
    elif row.cell_type == 'Platelets':
        edgecolor = 'g'
        ax.annotate('Platelets', xy=(xmax-40,ymin+20))

    # add bounding boxes to the image
    rect = patches.Rectangle((xmin,ymin), width, height, edgecolor = edgecolor, facecolor = 'none')

    ax.add_patch(rect)

上图就是训练样本示例，从中可以看到，细胞有不同的类及其相应的边界框。下面进行模型训练，本文使用keras_frcnn库来训练搭建的模型以及对测试图像进行预测。

faster R-CNN实现

为了实现 faster R-CNN算法，本文遵循此Github存储库中提到的步骤。因此，首先请确保克隆好此存储库。打开一个新的终端窗口并键入以下内容以执行此操作：

git clone https://github.com/kbardool/keras-frcnn.git

并将train_images和test_images文件夹以及train.csv文件移动到该存储库目录下。为了在新数据集上训练模型，输入的格式应为：

filepath,x1,y1,x2,y2,class_name

其中：

• filepath是训练图像的路径；
• x1是边界框的xmin坐标；
• y1是边界框的ymin坐标；
• x2是边界框的xmax坐标；
• y2是边界框的ymax坐标；
• class_name是该边界框中类的名称；

这里需要将.csv格式转换为.txt文件，该文件具有与上述相同的格式。创建一个新的数据帧，按照格式将所有值填入该数据帧，然后将其另存为.txt文件。

data = pd.DataFrame()
data['format'] = train['image_names']

# as the images are in train_images folder, add train_images before the image name
for i in range(data.shape[0]):
    data['format'][i] = 'train_images/' + data['format'][i]

# add xmin, ymin, xmax, ymax and class as per the format required
for i in range(data.shape[0]):
    data['format'][i] = data['format'][i] + ',' + str(train['xmin'][i]) + ',' + str(train['ymin'][i]) + ',' + str(train['xmax'][i]) + ',' + str(train['ymax'][i]) + ',' + train['cell_type'][i]

data.to_csv('annotate.txt', header=None, index=None, sep=' ')

下一步进行模型训练，使用train_frcnn.py文件来训练模型。

cd keras-frcnn
python train_frcnn.py -o simple -p annotate.txt

由于数据集较大，需要一段时间来训练模型。如果条件满足的话，可以使用GPU来加快训练过程。同样也可以尝试减少num_epochs参数来加快训练过程。

模型每训练好一次（有改进时），该特定时刻的权重将保存在与“model_frcnn.hdf5”相同的目录中。当对测试集进行预测时，将使用到这些权重。

根据机器的配置，可能需要花费大量时间来训练模型并获得权重。建议使用本文训练大约500个时期的权重作为初始化。可以从这里下载这些权重，并设置好相应的路径。

因此，当模型训练好并保存好权重后，下面进行预测。Keras_frcnn对新图像进行预测并将其保存在新文件夹中，这里只需在test_frcnn.py文件中进行两处更改即可保存图像：

• 从该文件的最后一行删除注释：

  • cv2.imwrite（'./ results_imgs / {}。png'.format（idx），img）；

• 在此文件的倒数第二行和第三行添加注释：

  • ＃cv2.imshow（'img'，img） ；
  • ＃cv2.waitKey（0）；

 使用下面的代码进行图像预测：

python test_frcnn.py -p test_images

最后，检测到对象的图像将保存在“results_imgs”文件夹中。以下是本文实现faster R-CNN后预测几个样本获得的结果：

总结

R-CNN算法确实是用于对象检测任务的变革者，改变了传统的做法，并开创了深度学习算法。近年来，计算机视觉应用的数量突然出现飙升，而R-CNN系列算法仍然是其中大多数应用的核心。

Keras_frcnn也被证明是一个很好的对象检测工具库，在本系列的下一篇文章中，将专注于更先进的技术，如YOLO，SSD等。

---

本文作者：【方向】

阅读原文

本文为云栖社区原创内容，未经允许不得转载。