Paddle实现YOLOv3 目标检测
2023-03-14 22:57:33 时间
环境准备
环境设置
GPU:GeForce GTX 1080Ti (12GB)
python:3.8.12
Paddle:2.1
PaddleDetection下载
通过如下git clone命令下载PaddleDetection目标检测库。
git clone https://github.com/PaddlePaddle/PaddleDetection # 下载PaddleDetection目标检测库
安装PaddleDetection依赖库
通过如下方式安装PaddleDetection依赖。
cd PaddleDetection/ pip install -r requirements.txt # requirements.txt列出了PaddleDetection的所有依赖库 pip install Cython pycocotools
数据准备
PaddleDetection提供了COCO、VOC等数据集下载脚本如dataset/coco/download.py,通过此脚本可自动下载对应数据集。
COCO的train数据集较大,训练比较耗时,本项目将训练集和验证集划分构建MINI_COCO数据集。
python dataset/coco/download_coco.py # coco数据集下载脚本 python dataset/coco/split_coco.py # 构建MINI_COCO数据集 python dataset/voc/download_coco.py # VOC数据集下载脚本
对于VOC数据集,我们还需要通过脚本dataset/voc/creat_list.py构建test.txt和test.txt文件
python dataset/voc/creat_list.py # 构建txt文件
模型训练与评估
VOC数据集
本项目选取yolov3_darknet.yml作为本项目的训练配置文件。该配置文件选取的是YOLOv3_darknet模型,骨干网络为DarkNet,yolo_head为YOLOv3Head。
对于VOC数据集,我们不需要修改配置文件,直接用脚本运行,进行训练及评估。
python tools/train.py -c configs/yolov3/yolov3_darknet53_270e_cocoval.yml #训练VOC数据集 python -u tools/eval.py -c configs/yolov3/yolov3_darknet53_270e_cocoval.yml #评估yolov3_darknet模型
最终评估结果如下图所示:
从上图中,可以看出yolov3_darknet模型在VOC数据集上的mAP = 74.42 , FPS = 15.79
相关文章
- 数据孤岛是业务效率的无声杀手
- 2023展望:新的一年将给大数据分析领域带来什么?
- 阿里云ADB基于Hudi构建Lakehouse的实践
- 大数据在医疗保健领域的使用案例
- 微软增加说明:KB5021751 更新扫描已经 / 即将过时 Office 过程中不会触碰用户隐私
- 2022 Gartner全球云数据库管理系统魔力象限发布 腾讯云数据库入选
- 场景化、重实操,分享一个实时数仓实践案例
- Arctic的湖仓一体践行之路
- 分布式计算MapReduce究竟是怎么一回事?
- 淘系数据模型治理优秀实践
- 大数据分析对医疗保健的影响
- 当我们说大数据Hadoop,究竟在说什么?
- 2022年及以后大数据的五个发展趋势
- 网易严选离线数仓治理实践
- 2023 年数据治理趋势
- 一份“靠谱”的年度经营计划,你学会了吗?
- 漫谈对大数据的思考
- 测试一下,读懂数据的能力,你有吗?
- 用艺术的眼光探索数据之美
- 聊聊数据分析成果如何落地