目錄

• 1.前言

• 2.二維碼數(shù)據(jù)

• 3.訓(xùn)練配置

• 3.1數(shù)據(jù)集設(shè)置

• 3.2訓(xùn)練參數(shù)的配置

• 3.3網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置

• 3.4訓(xùn)練

• 3.5結(jié)果示例

• 模型下載

1.前言

之前總結(jié)過yolov5來做皮卡丘的檢測，用來熟悉yolov5的使用，不過總歸是個(gè)demo型的應(yīng)用，沒啥實(shí)用價(jià)值。后來正好項(xiàng)目上有需要在成像條件不好的情況去檢測二維碼，傳統(tǒng)的二維碼檢測方式基本上是通過角點(diǎn)檢測定位二維碼的三個(gè)定位點(diǎn)，在成像不好的時(shí)候，很容易失敗。如果用深度學(xué)習(xí)去做魯棒性就強(qiáng)很多，在檢測到二維碼之后，可以進(jìn)行調(diào)焦或圖像增強(qiáng)等手段，輔助后續(xù)的二維碼識別過程。
環(huán)境準(zhǔn)備同?yolov5實(shí)戰(zhàn)之皮卡丘檢測

2.二維碼數(shù)據(jù)

首先第一步肯定是需要準(zhǔn)備數(shù)據(jù)了，通過網(wǎng)絡(luò)我們可以找到不少二維碼數(shù)據(jù)，通過打標(biāo)后，就可以得到第一批數(shù)據(jù)了。僅通過網(wǎng)絡(luò)圖片還是不夠的，因?yàn)檎业降亩S碼圖像的背景不一定符合我們的實(shí)際使用場景，僅僅用這些數(shù)據(jù)訓(xùn)練，雖然能檢測到二維碼，但是誤檢也會比較嚴(yán)重。所以還需要人造一些數(shù)據(jù)，我們可以將二維碼摳出來，貼到各種各樣的背景圖上去，用于擴(kuò)增我們的數(shù)據(jù)集。

數(shù)據(jù)制作具體也可以參考皮卡丘那篇，或者官方repo:?https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data
數(shù)據(jù)生成大概的代碼：

3.訓(xùn)練配置

3.1數(shù)據(jù)集設(shè)置

新建qrcode_dataset.yml, 設(shè)置下數(shù)據(jù)集的路徑

3.2訓(xùn)練參數(shù)的配置

可以根據(jù)自己的任務(wù)設(shè)置下數(shù)據(jù)增強(qiáng)比例這些：

3.3網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置

根據(jù)需要調(diào)整設(shè)置自己的網(wǎng)絡(luò)大小以及根據(jù)想要檢測的二維碼大小設(shè)置anchor：
anchor在非finetune訓(xùn)練方式下，默認(rèn)是通過數(shù)據(jù)集計(jì)算出來的，若要關(guān)閉這個(gè)功能，需要訓(xùn)練時(shí)開啟”--noautoanchor"選項(xiàng)。

3.4訓(xùn)練

設(shè)置上述這些，就可以開始訓(xùn)練了，由于我修改了網(wǎng)絡(luò)結(jié)構(gòu)，所以先是從頭訓(xùn)練了，然后又進(jìn)行了一次finetune訓(xùn)練。訓(xùn)練可以指定的參數(shù)：

大部分情況下，我們只需要設(shè)置batchsize, epoch數(shù)，cfg這幾個(gè)

同樣的，訓(xùn)練結(jié)果可以在控制臺看或通過wandb查看（參見pikachu那篇）。

3.5結(jié)果示例

模型下載

輕量級二維碼檢測模型：模型下載
數(shù)據(jù)集下載：https://download.csdn.net/download/liuhao3285/87771958