DocumentAIKit/configs/ppvehicle

简体中文 | English

PP-YOLOE Vehicle 检测模型

PaddleDetection团队提供了针对自动驾驶场景的基于PP-YOLOE的检测模型，用户可以下载模型进行使用，主要包含5个数据集(BDD100K-DET、BDD100K-MOT、UA-DETRAC、PPVehicle9cls、PPVehicle)。其中前3者为公开数据集，后两者为整合数据集。

• BDD100K-DET具体类别为10类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), train(6), motorcycle(7), bicycle(8), traffic light(9), traffic sign(10)。
• BDD100K-MOT具体类别为8类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), train(6), motorcycle(7), bicycle(8)，但数据集比BDD100K-DET更大更多。
• UA-DETRAC具体类别为4类，包括car(1), bus(2), van(3), others(4)。
• PPVehicle9cls数据集整合了BDD100K-MOT和UA-DETRAC，具体类别为9类，包括pedestrian(1), rider(2), car(3), truck(4), bus(5), van(6), motorcycle(7), bicycle(8), others(9)。
• PPVehicle数据集整合了BDD100K-MOT和UA-DETRAC，是将BDD100K-MOT中的car, truck, bus, van和UA-DETRAC中的car, bus, van都合并为1类vehicle(1)后的数据集。

注意:

• PP-YOLOE模型训练过程中使用8 GPUs进行混合精度训练，如果GPU卡数或者batch size发生了改变，你需要按照公式 lr_new = lr_default * (batch_size_new * GPU_number_new) / (batch_size_default * GPU_number_default) 调整学习率。
• 具体使用教程请参考ppyoloe。

• 如需预测出对应类别，可自行修改和添加对应的label_list.txt文件(一行记录一个对应种类)，TestDataset中的anno_path为绝对路径，如：

  TestDataset:
  !ImageFolder
  anno_path: label_list.txt # 如不使用dataset_dir，则anno_path即为相对于PaddleDetection主目录的相对路径
  # dataset_dir: dataset/ppvehicle # 如使用dataset_dir，则dataset_dir/anno_path作为新的anno_path
  

  label_list.txt里的一行记录一个对应种类，如下所示：

  vehicle
  

YOLOv3 Vehicle 检测模型

请参考Vehicle_YOLOv3页面

PP-OCRv3 车牌识别模型

车牌识别采用Paddle自研超轻量级模型PP-OCRv3_det、PP-OCRv3_rec。在CCPD数据集（CCPD2019+CCPD2020车牌数据集）上进行了fine-tune。模型训练基于PaddleOCR完成，我们提供了预测模型下载：

模型	数据集	类别数	mAPval 0.5:0.95	下载链接	配置文件
PP-YOLOE-l	BDD100K-DET	10	35.6	下载链接	配置文件
PP-YOLOE-l	BDD100K-MOT	8	33.7	下载链接	配置文件
PP-YOLOE-l	UA-DETRAC	4	51.4	下载链接	配置文件
PP-YOLOE-l	PPVehicle9cls	9	40.0	下载链接	配置文件
PP-YOLOE-s	PPVehicle9cls	9	35.3	下载链接	配置文件
PP-YOLOE-l	PPVehicle	1	63.9	下载链接	配置文件
PP-YOLOE-s	PPVehicle	1	61.3	下载链接	配置文件
PP-YOLOE+_t-P2(320)	PPVehicle	1	58.2	下载链接	配置文件
PP-YOLOE+_t-P2(416)	PPVehicle	1	60.5	下载链接	配置文件

模型	数据集	精度	下载	配置文件
PP-OCRv3_det	CCPD组合数据集	hmean:0.979	下载链接	配置文件
PP-OCRv3_rec	CCPD组合数据集	acc:0.773	下载链接	配置文件

PP-LCNet 车牌属性模型

车牌属性采用Paddle自研超轻量级模型PP-LCNet。在VeRi数据集进行训练。模型训练基于PaddleClas完成，我们提供了预测模型下载：

模型	数据集	精度	下载	配置文件
PP-LCNet_x1_0	VeRi数据集	90.81	下载链接	配置文件

引用

@InProceedings{bdd100k,
    author = {Yu, Fisher and Chen, Haofeng and Wang, Xin and Xian, Wenqi and Chen,
              Yingying and Liu, Fangchen and Madhavan, Vashisht and Darrell, Trevor},
    title = {BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning},
    booktitle = {IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month = {June},
    year = {2020}
}

@article{CVIU_UA-DETRAC,
    author = {Longyin Wen and Dawei Du and Zhaowei Cai and Zhen Lei and Ming{-}Ching Chang and
              Honggang Qi and Jongwoo Lim and Ming{-}Hsuan Yang and Siwei Lyu},
    title = {{UA-DETRAC:} {A} New Benchmark and Protocol for Multi-Object Detection and Tracking},
    journal = {Computer Vision and Image Understanding},
    year = {2020}
}