百度BML&飞桨训练营（六）公共场所火焰烟雾检测--PP-YOLOv2算法

百度BML&飞桨训练营（六）公共场所火焰烟雾检测

文章相关内容资料已经取得百度BML允许，仅用与交流学习，请不要用于商业传播。

这一期继续讲解视觉在现实场景中的应用，PP-YOLOv2算法在火焰烟雾识别。

.下载操作模板与数据集（必看）
请提前准备好！
链接：https://aistudio.baidu.com/aistudio/datasetdetail/117915

1.进入BML主页，点击立即使用：https://ai.baidu.com/bml/

2.点击左侧“模型训练”下的“Notebook”

3.选择物体检测类型，点击立即创建

4.配置Notebook，Python3.7，PaddlePaddle2.0.0，GPUV100

5.启动并打开Notebook

第二步：导入“火灾烟雾检测操作模板“
1.点击图中按钮进行上传

2.打开模板，接下来的操作将在此模板中进行

第三步：安装环境
安装paddlepaddle-gpu
!python -m pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

第四步：安装PaddleDetection
1.下载并安装PaddleDetection
!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop

2.安装PaddleDetection相关依赖
! pip install -r PaddleDetection/requirements.txt
（红色报错不影响后续操作）

第五步：上传数据集并解压
1.上传“fire_smoke“数据集（耐心等待上传）

2.解压数据集至根目录
操作前可执行pwd查看当前路径，若路径没在根目录，可执行
cd /home/work
解压命令
! unzip -oq ./fire_smoke.zip

第二步：配置模型训练的yml文件

PP-YOLOv2：相较20年发布的PP-YOLO，PP-YOLOv2版本在COCO 2017 test-dev上的精度提升了3.6个百分点，由45.9%提升到了49.5%；在640*640的输入尺寸下，FPS达到68.9FPS。主要改进点：
Path Aggregation Network
Mish Activation Function
Larger Input Size
IoU Aware Branch

1.配置ppyolov2_r50vd_dcn_voc.yml文件
路径：/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml

参考：若batch_size=12,总epoch=10，则训练时长预估3小时

2.配置voc.yml文件
路径 ：/home/work/PaddleDetection/configs/datasets/voc.yml
修改数据集路径
修改txt文件名，与数据集中的txt文件名一致

第三步：模型训练
1.进入训练路径
cd/home/work/PaddleDetection/tools

2.启动单卡训练
!export CUDA_VISIBLE_DEVICES=0

3.设置训练yml文件路径
config_path = ‘/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml’

4.开始训练
!python train.py -c $config_path

第四步：模型评估
1.设置模型评估的模型路径
weight_path = ‘/home/work/PaddleDetection/tools/output/ppyolov2_r50vd_dcn_voc/model_final.pdparams’

2.进行模型评估
!python eval.py -c $confi{g}_{p}ath-oweights=$weight_path

第二步：进入相应路径
cd/home/work/PaddleDetection/tools

第三步：设置预测图片路径
img_path = ‘/home/work/fire_smoke/images/fire_000002.jpg’
thresh = 0.1

第四步：模型预测
!python infer.py -cKaTeX parse error: Undefined control sequence: \ at position 29: …o use_gpu=True \̲ ̲-o weight=weight_path --draw_threshold=KaTeX parse error: Undefined control sequence: \ at position 8: thresh \̲ ̲--infer_img=img_path

第五步：查看预测结果
路径：home/work/PaddleDetection/tools/output