Trang chủ Khám phá Trợ giúp
Đăng ký Đăng nhập
Others
/
DocumentAIKit
4
0
Fork 0
Các tập tin Các vấn đề 0 Yêu cầu khéo về 0 Wiki
Tree: 9eaf1acc3a
Branches Tags
DocumentAIKit
/
configs
/
ppyoloe
/
application
yangjun dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
..
_base_ dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
README.md dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_crn_m_80e_exdark.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_crn_m_80e_pcb.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_crn_m_80e_wgisd.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_l_80e_sku110k.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_coco_pretrained_exdark.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_coco_pretrained_pcb.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_coco_pretrained_wgisd.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_obj365_pretrained_exdark.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_obj365_pretrained_pcb.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_obj365_pretrained_wgisd.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_m_80e_sku110k.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_s_80e_sku110k.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây
ppyoloe_plus_crn_x_80e_sku110k.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 năm trước cách đây

README.md

PP-YOLOE+ 下游任务

我们验证了PP-YOLOE+模型强大的泛化能力，在农业、低光、工业等不同场景下游任务检测效果稳定提升!

农业数据集采用Embrapa WGISD，该数据集用于葡萄栽培中基于图像的监测和现场机器人技术，提供了来自5种不同葡萄品种的实地实例， 处理后的COCO格式，包含图片训练集242张，测试集58张，5个类别，Embrapa WGISD COCO格式下载；

低光数据集使用ExDark，该数据集是一个专门在低光照环境下拍摄出针对低光目标检测的数据集，包括从极低光环境到暮光环境等10种不同光照条件下的图片， 处理后的COCO格式，包含图片训练集5891张，测试集1472张，12个类别，ExDark COCO格式下载；

工业数据集使用PKU-Market-PCB，该数据集用于印刷电路板（PCB）的瑕疵检测，提供了6种常见的PCB缺陷， 处理后的COCO格式，包含图片训练集555张，测试集138张，6个类别，PKU-Market-PCB COCO格式下载。

商超数据集SKU110k是商品超市场景下的密集目标检测数据集，包含11,762张图片和超过170个实例。其中包括8,233张用于训练的图像、588张用于验证的图像和2,941张用于测试的图像。

实验结果：

注意:

  • PP-YOLOE模型训练过程中使用8 GPUs进行训练，如果GPU卡数或者batch size发生了改变，你需要按照公式 lrnew = lrdefault * (batch_sizenew * GPU_numbernew) / (batch_sizedefault * GPU_numberdefault) 调整学习率。
  • 具体使用教程请参考ppyoloe。

SKU110k Model ZOO

模型 数据集 mAPval
0.5:0.95 		下载链接 配置文件
PP-YOLOE_m Embrapa WGISD 52.7 下载链接 配置文件
PP-YOLOE+_m
(obj365_pretrained)		 Embrapa WGISD 60.8(+8.1) 下载链接 配置文件
PP-YOLOE+_m
(coco_pretrained)		 Embrapa WGISD 59.7(+7.0) 下载链接 配置文件
PP-YOLOE_m ExDark 56.4 下载链接 配置文件
PP-YOLOE+_m
(obj365_pretrained)		 ExDark 57.7(+1.3) 下载链接 配置文件
PP-YOLOE+_m
(coco_pretrained)		 ExDark 58.1(+1.7) 下载链接 配置文件
PP-YOLOE_m PKU-Market-PCB 50.8 下载链接 配置文件
PP-YOLOE+_m
(obj365_pretrained)		 PKU-Market-PCB 52.7(+1.9) 下载链接 配置文件
PP-YOLOE+_m
(coco_pretrained)		 PKU-Market-PCB 52.4(+1.6) 下载链接 配置文件

注意:

  • SKU110k系列模型训练过程中使用8 GPUs进行训练，如果GPU卡数或者batch size发生了改变，你需要按照公式 lrnew = lrdefault * (batch_sizenew * GPU_numbernew) / (batch_sizedefault * GPU_numberdefault) 调整学习率。
  • SKU110k数据集使用maxDets=300的mAP值作为评估指标。
  • 具体使用教程请参考ppyoloe。

引用

@inproceedings{goldman2019dense,
 author    = {Eran Goldman and Roei Herzig and Aviv Eisenschtat and Jacob Goldberger and Tal Hassner},
 title     = {Precise Detection in Densely Packed Scenes},
 booktitle = {Proc. Conf. Comput. Vision Pattern Recognition (CVPR)},
 year      = {2019}
}

@article{Exdark,
title={Getting to Know Low-light Images with The Exclusively Dark Dataset},
author={Loh, Yuen Peng and Chan, Chee Seng},
journal={Computer Vision and Image Understanding},
volume={178},
pages={30-42},
year={2019},
doi={https://doi.org/10.1016/j.cviu.2018.10.010}
}
Model Epoch GPU number images/GPU backbone input shape Box APval
0.5:0.95 (maxDets=300) 		Box APtest
0.5:0.95 (maxDets=300) 		download config
PP-YOLOE+_s 80 8 8 cspresnet-s 960 57.4 58.8 download config
PP-YOLOE+_m 80 8 8 cspresnet-m 960 58.2 59.7 download config
PP-YOLOE+_l 80 8 4 cspresnet-l 960 58.8 60.2 download config
PP-YOLOE+_x 80 8 4 cspresnet-x 960 59.0 60.3 download config