01 模型详情
模型简介:
《EfficientDet: Scalable and Efficient Object Detection》论文发表于2020年7月由Mingxing Tan, Ruoming Pang, Quoc V. Le三人完成,EfficientDet是一种对象检测模型,它利用了若干优化和主干调整,例如使用BiFPN,以及一种复合缩放方法,该方法同时均匀缩放所有主干、特征网络和盒/类预测网络的分辨率、深度和宽度。
关键词:对象检测、复合缩放
应用场景: 图像分割、目标检测
结构:
论文地址:
https://arxiv.org/abs/1911.09070
模型来源:
https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch
02 平台环境准备
1. 打开极链AI云平台
2. 点击模型
3. 选择模型并创建实例
4. 选择对应镜像
5. 连接实例
创建完成后,点击jupyterlab连接
03 模型使用
1.环境配置
进入终端,在根目录路径下,运行以下命令:
mkdir datasets
ln -s /datasets/coco2017 ../../root/Yet-Another-EfficientDet-Pytorch/datasets
先创建datasets文件夹后,然后将复现所需的公开数据集软链接到该文件夹下
需将root/Yet-Another-EfficientDet-Pytorch/datasets路径下的coco2017更名为coco
mkdir weights
ln -s /modelsets/EfficientDet/efficientdet-d2.pth ../../root/Yet-Another-EfficientDet-Pytorch/weights
先创建weights文件夹后,然后将复现所需的预训练权重文件软链接到该文件夹下
平台自带efficientdet-d0.pth至efficientdet-d7.pth共8个预训练权重文件,可按需选择
更多内容请左右滑动
2.模型推断
在root/Yet-Another-EfficientDet-Pytorch(默认)路径下,运行以下命令:
python efficientdet_test.py
更多内容请左右滑动
3.模型训练
在root/Yet-Another-EfficientDet-Pytorch(默认)路径下,运行以下命令:
python train.py  --batch_size 8 --lr 1e-3 --num_epochs 10 \
--load_weights weights/efficientdet-d2.pth
需修改root/Yet-Another-EfficientDet-Pytorch/projects/coco.yml文件中的gpu数量
结果仅供参考
4.模型评估
在root/Yet-Another-EfficientDet-Pytorch(默认)路径下,运行以下命令:
python coco_eval.py  -c 5 \
-w weights/efficientdet-d2.pth
极链AI云是极链科技集团下属专为AI科研与学习而设计的一站式开发平台。为开发者提供全流程的AI科研服务,让每一位用户都能拥有撬动AI变革的力量。
Original: https://blog.csdn.net/m0_60673947/article/details/124301608
Author: 极链AI云
Title: 【模型复现】目标检测模型——EfficientDet 快速复现教程
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/686556/
转载文章受原作者版权保护。转载请注明原作者出处!