EfficientDet-pytorch目标检测训练

已于 2023-06-20 17:14:32 修改
阅读量763 收藏 6
点赞数
分类专栏： 目标检测 文章标签： pytorch 深度学习 python
于 2023-06-20 17:13:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Evan_qin_yi_quan/article/details/131309557
版权

目录

1. EfficientDet-pytorch版本代码下载

2.数据集准备 

2.1数据集格式 

2.2 定义自己数据集的yml文件

3. 训练配置 

4.模型评估

5.测试模型性能

 

1. EfficientDet-pytorch版本代码下载

GitHub - zylo117/Yet-Another-EfficientDet-Pytorch: The pytorch re-implement of the official efficientdet with SOTA performance in real time and pretrained weights.

2.数据集准备 

2.1数据集格式 

        EfficientDet 数据集是coco数据集格式，即xxx.json文件，数据集准备如下 

 zylo117 作者给出的数据集格式如下

 下面是安照作者的格式构造的数据集，标签放在annotations文件夹中，train、valid存放的是图片，自己创建datasets/data/, github作者代码上是没有这个文件夹的，但代码里默认从这个文件夹读取数据集，json文件的名字命名也要一样，因为代码里名字已经写好的。上面原作者的写的your_project_name 就是下图中的data

 

2.2 定义自己数据集的yml文件

         yml文件名字和 your_project_name 一样，也就是上面的data,文件内容如下。可以从原来的coco.yml文件复制修改。

 至此，数据集已经准备完毕

3. 训练配置 

        主要指定-p,-c参数即可，-p就是你的数据集名字，也就是上面的data，-c 是使用EfficientDet D0~D7的哪个模型，默认使用D0，Window下num_workers = 0. 

        使用pycharm训练 ，python包缺少什么就安装什么

 编译成功界面如下：

 

4.模型评估

        原作者的教程，-p,-c参数上面已经讲过，-w参数指训练结束后的权重文件保存路径

5.测试模型性能

     使用的测试文件如下 

        载入图片路径 

 

         使用到的权重文件名字，如果名字是efficientdet-d0_90.pth，则修改如下

Evan_qin_yi_quan
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
Pytorch搭建Efficientdet目标检测
@bangbang的博客
09-12 291
参考B导博客：睿智的目标检测36——
Yet-Another-EfficientDet-Pytorch-master.rar
06-14
手把手教物体检测——EfficientDet源码，包括数据和模型。手把手教物体检测——EfficientDet源码，包括数据和模型。
efficientdet-pytorch-master_目标检测_优化_
09-28
凸优化书籍，对于做优化方法有很大的用处，大发啊
EfficientDet系列(一)-PyTorch-EfficientDet环境搭建
GeekPlusA的博客
11-09 497
安装PyTorch 参考：Win10系统PyTorch安装 下载 PyTorch-EfficientDet 源码 git clone https://github.com/signatrix/efficientdet.git ps:如果下载慢,可以导入 gitee，再从 gitee 下载，如下图
项目实践 | 超强EfficientDet原理讲解与目标检测项目实践
AI算法修炼营的博客
04-15 6281
点击最上方蓝色【AI算法修炼营】关注公众号回复【Det】即可获得完整的项目代码以及文档说明。目录1、EfficientDet简介2、EfficientDet原理与PyTorch实现...
对比实验系列：Efficientdet环境配置及训练个人数据集
Yayisheng的博客
04-18 1688
可以通过下方链接下载Efficientdet源码。
使用PyTorch实现的高效检测器：EfficientDet-PyTorch
gitblog_00033的博客
03-25 352
使用PyTorch实现的高效检测器：EfficientDet-PyTorch 项目地址:https://gitcode.com/rwightman/efficientdet-pytorch 项目简介 EfficientDet-PyTorch 是由开发者Ryan Wightman 创建的一个开源项目，旨在提供一个在PyTorch框架下的高效目标检测模型实现——EfficientDet。Efficie...
pytorch版efficientdet训练自己的数据集(zylo)
weixin_46938584的博客
08-21 1652
本例用的数据集是 BIWI Walking Pedestrians dataset，首先将视频按帧转换成图像序列，然后用labelme标注，保存为json数据格式文件。ctrl+c，此时logs目录最下面的pth为total loss最小的模型。除此之外还要注意数据集要放在datasets目录下。测试结果的图片保存在test文件夹下。之后数据集要转换成coco格式，参考。
使用Efficientdet的Pytorch官方源码训练自己的数据集
weixin_45817307的博客
09-08 2878
使用Efficientdet的Pytorch官方源码训练自己的数据集 1.先从官网下载代码efficientdet源码 2.再将自己的数据集都放入datasets中。我自己的数据集格式是Pascal VOC的xml格式，这个代码需要的格式是json格式，所以在网上找了好久找到了一个适合的转换代码，这里我放上来 # coding=utf-8 import xml.etree.ElementTree as ET import os import json voc_clses = ['aeroplan
部署官方tensorflow版本EfficientDet
qq_17278169的博客
05-19 2175
Docker部署官方tensorflow版本EfficientDet 官方版本EfficientDet依赖环境为tensorflow2.1.0，python版本为3；而tensorflow2.1.0gpu版本又依赖于cuda10.1，为了不对本机环境产生影响，所以采用docker部署 一、官方镜像下载 在tensorflow官方镜像地址copy下载命令，复制到host机器的终端运行 如果pull过程很慢，那就更换国内docker镜像源 vim /etc/docker/daemon.json 编辑dae
EfficientDet_PyTorch:EfficientDet_PyTorch目标检测（对象检测）
04-01
EfficientDet_PyTorch 注意（注意）： 训练请使用SGD优化器（动量为0.9）。不要使用亚当。会造成不收敛。推荐lr：Pre_train（1e-4-> 1e-3-> 1e-2-> 3e-2）-> Train（5e-2）-> Post_Train（3e-2-> 1e-2-> 1e-3）推荐weight_decay：4e-5或1e-4（区别不大） 使用SGD优化器进行训练（动量为0.9）。 不要使用亚当。 会导致不收敛 有两个分支，一个是按照论文书写（官方），一个是参考zylo117的代码（ zylo117 ），并同时使用他的预训练模型书写（万分感谢），请按实际情况选择有两个分支，其中一个（官方）是根据本文编写的，另一个（大师）是根据“ Zylo117”的代码编写的，并使用他的预训练模型（非常感谢），请根据实际情况 train_example.py的意义是展示模型输入的格式t
Yet-Another-EfficientDet-Pytorch.zip
01-13
在Pytorch实现的Yet-Another-EfficientDet-Pytorch项目中，开发者可以便捷地利用预训练的EfficientNet模型作为主干网络，并结合Bi-FPN构建目标检测模型。该项目通常包含以下关键部分： 1. 数据预处理：数据集的读取...
我的AI之路(47)--使用自己的数据集训练EfficientDet
XCCCCZ的博客
04-12 2972
训练用的服务器的芯片一般都是X86架构的，所以可以直接从hub.docker.com上拉个安装了pytorch的镜像下来作为训练用的环境，省去了很多安装步骤，例如拉取pytorch/pytorch:1.3-cuda10.1-cudnn7-devel(注意一般不要使用runtime镜像，runtime镜像里面只安装了最小的支持环境，很多工具都没安装，devel镜像一般是比较全面的): ...
探索高效检测器：EfficientDet-PyTorch
gitblog_00063的博客
03-27 432
探索高效检测器：EfficientDet-PyTorch 项目地址:https://gitcode.com/bubbliiiing/efficientdet-pytorch 在计算机视觉领域，对象检测是一项关键任务，用于识别和定位图像中的不同目标。EfficientDet-PyTorch 是一个基于 PyTorch 的优秀项目，实现了 Google 研究团队提出的 [EfficientDet](h...
Pytorch搭建Efficientdet目标检测平台
qq_33287871的博客
07-09 1717
什么是Efficientdet目标检测算法 最近，谷歌大脑 Mingxing Tan、Ruoming Pang 和 Quoc V. Le 提出新架构 EfficientDet，结合 EfficientNet（同样来自该团队）和新提出的 BiFPN，实现新的 SOTA 结果。 源码下载 https://github.com/bubbliiiing/efficientdet-pytorch Efficientdet实现思路 一、预测部分 1、主干网络介绍 Efficientdet采用Efficientnet作为
Efficientdet源码详解
qq_52053775的博客
12-17 761
最重要的参数配置如下其中，在运行时，需要在project文件夹下新建配置文件，并指定在-p下。其中，mean/std/anchors_scales/anchors_ratios一般不用修改。
efficientdet-pytorch训练自己的数据集
datayx的文章
10-31 1513
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx目录性能情况所需环境文件下载注意事项预测步骤训练步骤评估步骤性能情况所需环境torch==...
【深度学习入门】什么是张量？如何访问张量中的元素？如何对张量中的数据进行赋值？
最新发布
m0_62783065的博客
07-25 431
【深度学习入门】什么是张量？如何访问张量中的元素？如何对张量中的数据进行赋值？
deeplabv3-plus-pytorch训练的环境配置
07-14
要配置deeplabv3-plus-pytorch的训练环境，您需要进行以下步骤： 1. 安装Python：确保已经安装了Python，并建议使用Python 3.6或更高版本。 2. 创建虚拟环境（可选）：为了隔离不同项目的依赖，建议在项目中使用虚拟环境。您可以使用`venv`模块或第三方工具（如`conda`）创建和管理虚拟环境。 3. 安装PyTorch和TorchVision：PyTorch是进行深度学习的基础库，而TorchVision提供了处理图像数据集的工具。您可以使用以下命令安装PyTorch和TorchVision： ``` pip install torch torchvision ``` 如果您需要特定的PyTorch版本，可以在安装命令中指定版本号。 4. 克隆deeplabv3-plus-pytorch仓库：将deeplabv3-plus-pytorch的代码库克隆到本地： ``` git clone https://github.com/VainF/DeepLabV3Plus-Pytorch.git ``` 5. 安装依赖项：进入克隆的代码库目录，并使用以下命令安装所需的Python依赖项： ``` pip install -r requirements.txt ``` 6. 下载预训练模型权重（可选）：如果您想从预训练模型开始训练，您可以下载已经预训练好的权重。可以在代码库的README文件中找到下载链接，并将权重文件保存到适当的位置。 7. 准备数据集：根据您的任务和数据集，将图像和标签数据组织到相应的文件夹中。确保数据集的文件路径与代码库中的配置文件相对应。 8. 开始训练：运行相应的训练脚本，例如`train.py`，并根据需要配置训练参数。您可以通过命令行参数或修改配置文件来设置训练参数。 以上是一个基本的环境配置过程，具体的步骤可能会因为您的特定环境和需求而有所不同。请参考deeplabv3-plus-pytorch代码库中的文档和说明，以获取更详细的配置指导。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值