本文主要通过具体实例来讲解,如何使用飞桨的PaddleDetection开发套件进行模型训练目标检测。
1、安装PaddlePaddle
具体步骤参看官网说明:https://www.paddlepaddle.org.cn/
2、安装PaddleDetection
Windows系统:官网下载打包的PaddleDetection,解压后安装依赖
# 安装其他依赖cd PaddleDetectionpip install -r requirements.txt
#进入 PaddleDetect/dataset/roadsing_voc 目录运行:download_roadsign_voc.py
程序自动下载道路标志注数据集,VOC格式,4种标志:speedlimit crosswalk trafficlight stop
进入:PaddleDetection\configs\yolov3 目录,选择yolov3_mobilenet_v1_roadsign.yml,默认配置如下:backbone: MobileNet,epochs:40
_BASE_: [ '../datasets/roadsign_voc.yml', '../runtime.yml', '_base_/optimizer_40e.yml', '_base_/yolov3_mobilenet_v1.yml', '_base_/yolov3_reader.yml',]pretrain_weights: https://paddledet.bj.bcebos.com/models/yolov3_mobilenet_v1_270e_coco.pdparamsweights: output/yolov3_mobilenet_v1_roadsign/model_finalYOLOv3Loss: ignore_thresh: 0.7 label_smooth: true
!python tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --eval
#训练结果:mAP达到88.37%……[08/08 14:57:06] ppdet.utils.checkpoint INFO: Save checkpoint: output/yolov3_mobilenet_v1_roadsign[08/08 14:57:07] ppdet.utils.checkpoint INFO: Save checkpoint: output/yolov3_mobilenet_v1_roadsign[08/08 14:57:07] ppdet.engine INFO: Eval iter: 0[08/08 14:57:11] ppdet.engine INFO: Eval iter: 100[08/08 14:57:14] ppdet.metrics.metrics INFO: Accumulating evaluatation results...[08/08 14:57:14] ppdet.metrics.metrics INFO: mAP(0.50, integral) = 88.37%[08/08 14:57:14] ppdet.engine INFO: Total sample number: 176, averge FPS: 23.038157240792156[08/08 14:57:14] ppdet.engine INFO: Best test bbox ap is 0.891.
!python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml -o weights=output/yolov3_mobilenet_v1_roadsign/best_model.pdparams --infer_img=128.jpg
从预测结果来看,并不非常理想。主要模型和数据有关。从本质上讲,人工智能最终还是要基于大数据来支撑的。
留言与评论(共有 0 条评论) “” |