yangjun dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
..
README.md dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
faster_rcnn_r50_fpn_2x_coco_sup005.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
faster_rcnn_r50_fpn_2x_coco_sup010.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
fcos_r50_fpn_2x_coco_sup005.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
fcos_r50_fpn_2x_coco_sup010.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
ppyoloe_plus_crn_s_80e_coco_sup005.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
ppyoloe_plus_crn_s_80e_coco_sup010.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
retinanet_r50_fpn_2x_coco_sup005.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago
retinanet_r50_fpn_2x_coco_sup010.yml dfa27afb39 提交PaddleDetection develop 分支 d56cf3f7c294a7138013dac21f87da4ea6bee829 1 year ago

README.md

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) mAPval
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) mAPval
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) mAPval
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: lrnew = lrdefault * (batch_sizenew * GPU_numbernew) / (batch_sizedefault * GPU_numberdefault)

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) mAPval
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