笔尖笔帽检测2：Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)

笔尖笔帽检测2：Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)

目录

笔尖笔帽检测2：Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)

1. 前言

2.笔尖笔帽检测方法

(1)Top-Down(自上而下)方法

(2)Bottom-Up(自下而上)方法：

3.笔尖笔帽检测数据集

4.手笔检测模型训练

5.笔尖笔帽检测模型训练

（1）项目安装

（2）准备Train和Test数据

（3）配置文件configs

（4）开始训练

（5）Tensorboard可视化训练过程

6.笔尖笔帽关键点检测模型效果

7.笔尖笔帽关键点检测(推理代码)下载

8.笔尖笔帽关键点检测(训练代码)下载

9.笔尖笔帽关键点检测C++/Android版本

10.特别版: 笔尖指尖检测

1. 前言

目前在AI智慧教育领域，有一个比较火热的教育产品，即指尖点读或者笔尖点读功能，其核心算法就是通过深度学习的方法获得笔尖或者指尖的位置，在通过OCR识别文本，最后通过TTS（TextToSpeech）将文本转为语音；其中OCR和TTS算法都已经研究非常成熟了，而指尖或者笔尖检测的方法也有一些开源的项目可以参考实现。本项目将实现笔尖笔帽关键点检测算法，其中使用YOLOv5模型实现手部检测（手握着笔目标检测），使用HRNet，LiteHRNet和Mobilenet-v2模型实现笔尖笔帽关键点检测。项目分为数据标注，模型训练和Android部署等多个章节，本篇是项目《笔尖笔帽检测》系列文章之Pytorch实现笔尖笔帽检测算法；为了方便后续模型工程化和Android平台部署，项目支持高精度HRNet检测模型，轻量化模型LiteHRNet和Mobilenet模型训练和测试，并提供Python/C++/Android多个版本；

轻量化Mobilenet-v2模型在普通Android手机上可以达到实时的检测效果，CPU(4线程)约50ms左右，GPU约30ms左右 ，基本满足业务的性能需求。下表格给出HRNet，以及轻量化模型LiteHRNet和Mobilenet的计算量和参数量，以及其检测精度

先展示一下笔尖笔帽关键点检测效果：

Android笔尖笔帽关键点检测APP Demo体验：

【尊重原创，转载请注明出处】

更多项目《笔尖笔帽检测》系列文章请参考：

• 笔尖笔帽检测1：笔尖笔帽检测数据集(含下载链接)
• 笔尖笔帽检测2：Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)
• 笔尖笔帽检测3：Android实现笔尖笔帽检测算法(含源码 可是实时检测)
• 笔尖笔帽检测4：C++实现笔尖笔帽检测算法(含源码 可是实时检测)

2.笔尖笔帽检测方法

笔尖笔帽目标较小，如果直接使用目标检测，很难达到像素级别的检测精度；一般建议使用类似于人体关键点检测的方案。目前主流的关键点方法主要两种：一种是Top-Down（自上而下）方法，另外一种是Bottom-Up（自下而上）方法；

(1)Top-Down(自上而下)方法

将手部检测（手握笔的情况）和笔尖笔帽关键点检测分离，在图像上首先进行手部目标检测，定位手部位置；然后crop每一个手部图像，再估计笔尖笔帽关键点；这类方法往往比较慢，但姿态估计准确度较高。目前主流模型主要有CPN，Hourglass，CPM，Alpha Pose，HRNet等。

(2)Bottom-Up(自下而上)方法：

先估计图像中所有笔尖笔帽关键点，然后在通过Grouping的方法组合成一个一个实例；因此这类方法在测试推断的时候往往更快速，准确度稍低。典型就是COCO2016年人体关键点检测冠军Open Pose。

通常来说，Top-Down具有更高的精度，而Bottom-Up具有更快的速度；就目前调研而言， Top-Down的方法研究较多，精度也比Bottom-Up（自下而上）方法高。

本项目采用Top-Down(自上而下)方法，使用YOLOv5模型实现手部检测（手握笔检测），使用HRNet进行笔尖笔帽关键点检测；也可以简单理解为，先使用YOLOv5定位手握笔的区域位置，再使用HRNet进行笔尖笔帽精细化位置定位。

本项目基于开源的HRNet进行改进，关于HRNet项目请参考GitHub

HRNet: https://github.com/leoxiaobin/deep-high-resolution-net.pytorch

3.笔尖笔帽检测数据集

项目收集了四个手笔检测数据集和一个笔尖笔帽数据集：

• 手笔检测数据集（Hand-Pen Detection Dataset）：共收集了四个：Hand-voc1，Hand-voc2和Hand-voc3，Hand-Pen-voc手笔检测数据集总共约7万张图片；标注格式统一转换为VOC数据格式，手部目标框标注为hand，手握着笔的目标框标注为hand_pen，可用于深度学习手部目标检测模型算法开发
• 笔尖笔帽关键点检测数据集（Pen-tip Keypoints Dataset）：收集了1个数据集：dataset-pen2，标注了手握笔(hand_pen)的目标区域和笔的两端(笔尖和笔帽)；数据集分为测试集Test和训练集Train，其中Test数据集有1075张图片，Train数据集有28603张图片；标注格式统一转换为COCO数据格式，可用于深度学习笔尖笔帽关键点检测模型训练。
   

关于笔尖笔帽检测数据集说明，请参考

数据收集和标注是一件十分繁杂且又费时费力的工作，请尊重我劳动成果。

4.手笔检测模型训练

本项目采用Top-Down(自上而下)方法，使用YOLOv5模型实现手部检测（手笔检测），使用HRNet进行笔尖笔帽关键点检测；关于手部检测模型训练，可参考 :

手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)

5.笔尖笔帽检测模型训练

 整套工程项目基本结构如下：

.
├── configs              # 训练配置文件
├── data                 # 一些数据
├── libs                 # 一些工具库
├── pose                 # 姿态估计模型文件
├── work_space           # 训练输出工作目录
├── demo.py              # 模型推理demo文件
├── README.md            # 项目工程说明文档
├── requirements.txt     # 项目相关依赖包
└── train.py             # 训练文件

（1）项目安装

项目依赖python包请参考requirements.txt，使用pip安装即可，项目代码都在Ubuntu系统和Windows系统验证正常运行，请放心使用；若出现异常，大概率是相关依赖包版本没有完全对应

numpy==1.21.6
matplotlib==3.2.2
Pillow==8.4.0
bcolz==1.2.1
easydict==1.9
onnx==1.8.1
onnx-simplifier==0.2.28
onnxoptimizer==0.2.0
onnxruntime==1.6.0
opencv-contrib-python==4.5.2.52
opencv-python==4.5.1.48
pandas==1.1.5
PyYAML==5.3.1
scikit-image==0.17.2
scikit-learn==0.24.0
scipy==1.5.4
seaborn==0.11.2
sklearn==0.0
tensorboard==2.5.0
tensorboardX==2.1
torch==1.7.1+cu110
torchvision==0.8.2+cu110
tqdm==4.55.1
xmltodict==0.12.0
pycocotools==2.0.2
pybaseutils==0.9.4
basetrainer

推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题，项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好Python开发环境）：

• 推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题
• 项目开发使用教程和常见问题和解决方法
• 视频教程：1 手把手教你安装CUDA和cuDNN(1)
• 视频教程：2 手把手教你安装CUDA和cuDNN(2)
• 视频教程：3 如何用Anaconda创建pycharm环境
• 视频教程：4 如何在pycharm中使用Anaconda创建的python环境

（2）准备Train和Test数据

下载笔尖笔帽关键点检测数据集（Pen-tip Keypoints Dataset）：dataset-pen2.zip，然后解压到本地

（3）配置文件configs

项目支持HRNet以及轻量化模型LiteHRNet和Mobilenet模型训练，并提供对应的配置文件；你需要修改对应配置文件的数据路径；本篇以训练HRNet-w32为例子，其配置文件在configs/coco/hrnet/w32_adam_192_192.yaml，修改该文件的训练数据集路径TRAIN_FILE（支持多个数据集训练）和测试数据集TEST_FILE的数据路径为你本地数据路径，其他参数保持默认即可，如下所示：

WORKERS: 8
PRINT_FREQ: 10
DATASET:
  DATASET: 'custom_coco'
  TRAIN_FILE:
    - 'dataset/dataset-pen2/train/coco_kps.json'
  TEST_FILE: 'dataset/dataset-pen2/test/coco_kps.json'
  FLIP: true
  ROT_FACTOR: 45
  SCALE_FACTOR: 0.3
  SCALE_RATE: 1.25
  JOINT_IDS: [0,1]
  FLIP_PAIRS: [ ]
  SKELETON: [ ]

配置文件的一些参数说明，请参考

（4）开始训练

修改好配置文件后，就可以开始准备训练了：

• 训练高精度模型HRNet-w48或者HRNet-w32

# 高精度模型：HRNet-w32
python train.py  -c "configs/coco/hrnet/w48_adam_192_192.yaml" --workers=8 --batch_size=32 --gpu_id=0 --work_dir="work_space/pen"
# 高精度模型：HRNet-w48
python train.py  -c "configs/coco/hrnet/w32_adam_192_192.yaml" --workers=8 --batch_size=32 --gpu_id=0 --work_dir="work_space/pen"

• 训练轻量化模型LiteHRNet

# 轻量化模型：LiteHRNet
python train.py  -c "configs/coco/litehrnet/litehrnet18_192_192.yaml" --workers=8 --batch_size=32 --gpu_id=0 --work_dir="work_space/pen"

• 训练轻量化模型Mobilenetv2

# 轻量化模型：Mobilenet
python train.py  -c "configs/coco/mobilenet/mobilenetv2_192_192.yaml" --workers=8 --batch_size=32 --gpu_id=0 --work_dir="work_space/pen"

下表格给出HRNet，以及轻量化模型LiteHRNet和Mobilenet的计算量和参数量，以及其检测精度AP； 高精度检测模型HRNet-w32，AP可以达到0.8418，但其参数量和计算量比较大，不合适在移动端部署；LiteHRNet18和Mobilenet-v2参数量和计算量比较少，合适在移动端部署；虽然LiteHRNet18的理论计算量和参数量比Mobilenet-v2低，但在实际测试中，发现Mobilenet-v2运行速度更快。轻量化Mobilenet-v2模型在普通Android手机上可以达到实时的检测效果，CPU(4线程)约50ms左右，GPU约30ms左右 ，基本满足业务的性能需求

（5）Tensorboard可视化训练过程

训练过程可视化工具是使用Tensorboard，使用方法，在终端输入：

# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir="work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/log"

点击终端TensorBoard打印的链接，即可在浏览器查看训练LOG信息等：

6.笔尖笔帽关键点检测模型效果

demo.py文件用于推理和测试模型的效果，填写好配置文件，模型文件以及测试图片即可运行测试了；demo.py命令行参数说明如下：

下面以运行HRNet-w32为样例，其他模型修改--config_file或者--model_file即可

• 测试图片

python demo.py -c "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/w32_adam_192_192.yaml"  -m "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/model/model_191_0.8322.pth" --image_dir "data/test_images" --out_dir "output"

• 测试视频文件

python demo.py -c "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/w32_adam_192_192.yaml"  -m "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/model/model_191_0.8322.pth"  --video_file "data/video-test.mp4"  --out_dir "output"

•  测试摄像头

python demo.py -c "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/w32_adam_192_192.yaml"  -m "work_space/pen/hrnet_w32_2_192_192_custom_coco_20231027_111203_7951/model/model_191_0.8322.pth" --video_file 0 --out_dir "output"

运行效果：

7.笔尖笔帽关键点检测(推理代码)下载

笔尖笔帽关键点检测推理代码下载地址：Pytorch实现笔尖笔帽检测算法(推理代码)

资源内容包含：

（1）笔尖笔帽关键点检测推理代码（Pytorch）

1. 提供YOLOv5手部检测(手握着笔)推理代码（不包含训练代码）
2. 提供笔尖笔帽关键点检测推理代码demo.py（不包含训练代码）
3. 提供高精度版本HRNet笔尖笔帽关键点检测（不包含训练代码）
4. 提供轻量化模型LiteHRNet,以及Mobilenet-v2笔尖笔帽关键点检测（不包含训练代码）
5. 提供训练好的模型：HRNet-w32,LiteHRNet和Mobilenet-v2模型权重文件，配置好环境，可直接运行demo.py
6. 推理代码demo.py支持图片，视频和摄像头测试

 如果你需要配套的训练数据集和训练代码，请查看下面部分

8.笔尖笔帽关键点检测(训练代码)下载

笔尖笔帽关键点检测训练代码下载地址： Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)

资源内容包含：手笔检测数据集和笔尖笔帽关键点检测数据集 +笔尖笔帽关键点检测训练和测试代码

（1）手笔检测数据集和笔尖笔帽关键点检测数据集：

1. 手笔检测数据集：共收集了四个：Hand-voc1，Hand-voc2和Hand-voc3，Hand-Pen-voc手笔检测数据集总共约7万张图片；标注格式统一转换为VOC数据格式，手部目标框标注为hand，手握着笔的目标框标注为hand_pen，可用于深度学习手部目标检测模型算法开发
2. 笔尖笔帽关键点检测数据集：收集了1个数据集：dataset-pen2，标注了手握笔(hand_pen)的目标区域和笔的两端(笔尖和笔帽)；数据集分为测试集Test和训练集Train，其中Test数据集有1075张图片，Train数据集有28603张图片；标注格式统一转换为COCO数据格式，可用于深度学习笔尖笔帽关键点检测模型训练。
3. 数据集详细说明，请查看《笔尖笔帽检测数据集(含下载链接)》
4. 数据收集和标注是一件十分繁杂且又费时费力的工作，请尊重我的劳动成果。

（2）笔尖笔帽关键点检测训练和测试代码（Pytorch）

1. 提供YOLOv5手部检测(手握着笔)推理代码（不包含训练代码）
2. 提供整套完整的笔尖笔帽键点检测项目工程代码，包含笔尖笔帽关键点检测的训练代码train.py和推理测试代码demo.py
3. 提供高精度版本HRNet笔尖笔帽关键点检测训练和测试
4. 提供轻量化模型LiteHRNet,以及Mobilenet-v2笔尖笔帽关键点检测训练和测试
5. 根据本篇博文说明，简单配置即可开始训练：train.py
6. 提供训练好的模型：HRNet-w32,LiteHRNet和Mobilenet-v2模型权重文件，配置好环境，可直接运行demo.py
7. 测试代码demo.py支持图片，视频和摄像头测试

9.笔尖笔帽关键点检测C++/Android版本

• 笔尖笔帽检测3：Android实现笔尖笔帽检测算法(含源码 可是实时检测)
• 笔尖笔帽检测4：C++实现笔尖笔帽检测算法(含源码 可是实时检测)

Android笔尖笔帽关键点检测APP Demo体验(下载)：

10.特别版: 笔尖指尖检测

 碍于篇幅，本文章只实现了笔尖笔帽关键点检测；实质上，要实现指尖点读或者笔尖点读功能，我们可能并不需要笔帽检测，而是需要实现笔尖+指尖检测功能；其实现方法与笔尖笔帽关键点检测类似。

下面是成功产品落地应用的笔尖+指尖检测算法Demo，其检测精度和速度性能都比笔尖笔帽检测的效果要好。

如果你需要笔尖+指尖检测算法，可在公众号咨询联系

指尖笔尖Android Demo体检：

指尖笔尖检测Demo01

指尖笔尖检测Demo02