EfficientDet-pytorch目标检测训练

目录

1. EfficientDet-pytorch版本代码下载

2.数据集准备 

2.1数据集格式 

2.2 定义自己数据集的yml文件

3. 训练配置 

4.模型评估

5.测试模型性能


 

1. EfficientDet-pytorch版本代码下载

GitHub - zylo117/Yet-Another-EfficientDet-Pytorch: The pytorch re-implement of the official efficientdet with SOTA performance in real time and pretrained weights.

EfficientDet-pytorch目标检测训练_第1张图片

2.数据集准备 

2.1数据集格式 

        EfficientDet 数据集是coco数据集格式,即xxx.json文件,数据集准备如下 

 zylo117 作者给出的数据集格式如下

EfficientDet-pytorch目标检测训练_第2张图片

 下面是安照作者的格式构造的数据集,标签放在annotations文件夹中,train、valid存放的是图片,自己创建datasets/data/, github作者代码上是没有这个文件夹的,但代码里默认从这个文件夹读取数据集,json文件的名字命名也要一样,因为代码里名字已经写好的。上面原作者的写的your_project_name 就是下图中的data

 EfficientDet-pytorch目标检测训练_第3张图片

2.2 定义自己数据集的yml文件

EfficientDet-pytorch目标检测训练_第4张图片         yml文件名字和 your_project_name 一样,也就是上面的data,文件内容如下。可以从原来的coco.yml文件复制修改。

EfficientDet-pytorch目标检测训练_第5张图片 至此,数据集已经准备完毕

3. 训练配置 

        主要指定-p,-c参数即可,-p就是你的数据集名字,也就是上面的data,-c 是使用EfficientDet D0~D7的哪个模型,默认使用D0,Window下num_workers = 0. 

EfficientDet-pytorch目标检测训练_第6张图片

        使用pycharm训练 ,python包缺少什么就安装什么

EfficientDet-pytorch目标检测训练_第7张图片

 编译成功界面如下:

 EfficientDet-pytorch目标检测训练_第8张图片

4.模型评估

        原作者的教程,-p,-c参数上面已经讲过,-w参数指训练结束后的权重文件保存路径

EfficientDet-pytorch目标检测训练_第9张图片

5.测试模型性能

     使用的测试文件如下 

EfficientDet-pytorch目标检测训练_第10张图片

        载入图片路径 

 EfficientDet-pytorch目标检测训练_第11张图片

         使用到的权重文件名字,如果名字是efficientdet-d0_90.pth,则修改如下EfficientDet-pytorch目标检测训练_第12张图片

你可能感兴趣的:(EffficienNet,pytorch,深度学习,python)