Supervised Baseline 纯监督模型基线

COCO数据集模型库

FCOS

注意:

以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.01。如果改动了总batch_size，请按线性比例相应地调整学习率。

PP-YOLOE+

基础模型	监督数据比例	Epochs (Iters)	mAP^val 0.5:0.95	模型下载	配置文件
FCOS ResNet50-FPN	5%	24 (8712)	21.3	download	config
FCOS ResNet50-FPN	10%	24 (17424)	26.3	download	config
FCOS ResNet50-FPN	full	24 (175896)	42.6	download	config

注意:

以上模型训练默认使用8 GPUs，总batch_size默认为64，默认初始学习率为0.001。如果改动了总batch_size，请按线性比例相应地调整学习率。

Faster R-CNN

基础模型	监督数据比例	Epochs (Iters)	mAP^val 0.5:0.95	模型下载	配置文件
PP-YOLOE+_s	5%	80 (7200)	32.8	download	config
PP-YOLOE+_s	10%	80 (14480)	35.3	download	config
PP-YOLOE+_s	full	80 (146560)	43.7	download	config

注意:

以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.02。如果改动了总batch_size，请按线性比例相应地调整学习率。

RetinaNet

基础模型	监督数据比例	Epochs (Iters)	mAP^val 0.5:0.95	模型下载	配置文件
Faster R-CNN ResNet50-FPN	5%	24 (8712)	20.7	download	config
Faster R-CNN ResNet50-FPN	10%	24 (17424)	25.6	download	config
Faster R-CNN ResNet50-FPN	full	24 (175896)	40.0	download	config

注意:

以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.01。如果改动了总batch_size，请按线性比例相应地调整学习率。

注意事项

COCO部分监督数据集请参照数据集准备去下载和准备，各个比例的训练集均为从train2017中抽取部分百分比的子集，默认使用fold号为1的划分子集，sup010表示抽取10%的监督数据训练，sup005表示抽取5%，full表示全部train2017，验证集均为val2017全量；
抽取部分百分比的监督数据的抽法不同，或使用的fold号不同，精度都会因此而有约0.5 mAP之多的差异；
PP-YOLOE+ 使用Objects365预训练，其余模型均使用ImageNet预训练；
线型比例相应调整学习率，参照公式: lr_new = lr_default * (batch_size_new * GPU_number_new) / (batch_size_default * GPU_number_default)。

使用教程

将以下命令写在一个脚本文件里如run.sh，一键运行命令为：sh run.sh，也可命令行一句句去运行：

model_type=semi_det/baseline
job_name=ppyoloe_plus_crn_s_80e_coco_sup010 # 可修改，如 fcos_r50_fpn_2x_coco_sup010

config=configs/${model_type}/${job_name}.yml
log_dir=log_dir/${job_name}
weights=output/${job_name}/model_final.pdparams

# 1.training
# CUDA_VISIBLE_DEVICES=0 python tools/train.py -c ${config}
python -m paddle.distributed.launch --log_dir=${log_dir} --gpus 0,1,2,3,4,5,6,7 tools/train.py -c ${config} --eval --amp

# 2.eval
CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c ${config} -o weights=${weights}

基础模型	监督数据比例	Epochs (Iters)	mAP^val 0.5:0.95	模型下载	配置文件
RetinaNet ResNet50-FPN	5%	24 (8712)	13.9	download	config
RetinaNet ResNet50-FPN	10%	24 (17424)	23.6	download	config
RetinaNet ResNet50-FPN	full	24 (175896)	39.1	download	config

README.md 6.0 KB 文件歷史 原始文件

Supervised Baseline 纯监督模型基线

COCO数据集模型库

FCOS

PP-YOLOE+

Faster R-CNN

RetinaNet

注意事项

使用教程

README.md 6.0 KB

文件歷史原始文件