【AI】PyTorch实战(一):目标检测之fasterrcnn_resnet50_fpn

1、简述

R-CNN系列演化史:R-CNN --> Fast RCNN --> Faster R-CNN

这篇博客只演示“怎么用”,不介绍模型结构及原理。因此直接使用“最先进的”Faster R-CNN模型。PyTorch模型库中,有已经训练好的检测模型fasterrcnn_resnet50_fpn,它是使用COCO数据集训练的结果。

2、COCO2017数据集

COCO数据集是一个大型的、丰富的物体检测,分割和字幕数据集。提供的类别有80 类,有超过33 万张图片,其中20 万张有标注,整个数据集中个体的数目超过150 万个。因此这个已训练好的模型,比我们自己训练的要好很多,直接拿来用就可以了。

COCO2017数据集共80个类别,类别的id号不是连续的,最大为90,类别ID与类别名称对应关系如下:
【AI】PyTorch实战(一):目标检测之fasterrcnn_resnet50_fpn_第1张图片

person(人)
bicycle(自行车) 
car(汽车) 
motorbike(摩托车) 
aeroplane(飞机) 
bus(公共汽车) 
train(火车) 
truck(卡车) 
boat(船)
traffic light(信号灯) 
fire hydrant(消防栓) 
stop sign(停车标志) 
parking meter(停车计费器) 
bench(长凳)
bird(鸟) 
cat(猫) 
dog(狗) 
horse(马) 
sheep(羊) 
cow(牛) 
elephant(大使用和下载象) 
bear(熊) 
zebra(斑马) 
giraffe(长颈鹿)
backpack(背包) 
umbrella(雨伞

你可能感兴趣的:(AI,pytorch,人工智能,目标检测)