记录RetinaNet训练数据

最新推荐文章于 2024-08-11 09:35:58 发布

Seatreesun

最新推荐文章于 2024-08-11 09:35:58 发布

阅读量401

点赞数

文章标签： python

本文链接：https://blog.csdn.net/Seatreesun/article/details/107656806

版权

在Ubuntu环境下，利用tensorflow_gpu 1.14.0和Keras 2.3.1，通过github上的keras-retinanet库训练RetinaNet模型。训练时遇到XML数据中坐标类型不一致的问题，将int改为float后成功训练。模型转换及测试阶段，调整了score阈值以改善检测效果，最终在修改test.py中得分阈值后，检测性能显著提升。

摘要由CSDN通过智能技术生成

前提
使用代码https://github.com/fizyr/keras-retinanet
参考博客https://www.freesion.com/article/6806110223/
环境ubuntu，tensorflow_gpu 1.14.0，Keras 2.3.1
数据集什么的都准备好了，进入./bin目录下运行训练命令。

训练

 python train.py --batch-size 4 --steps 104 --epochs 30 csv ..

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Seatreesun

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

Retinanet训练自己的数据（1）：数据准备

mingyang_wang的博客

01-04

8348

自己之前用的模型在准确性以及实时性方面没有达到一个很好的均衡，在大佬同学的介绍下，开始转向Retinanet。 1.运行环境运行环境：Windows10操作系统，python3.6（通过anaconda安装），tensorflow1.10，keras2.2.4。 2.数据预览主要参考github上一篇介绍文档：https://github.com/fizyr/keras-ret...

使用Retinanet训练自己的数据集

babyzbb636的博客

09-02

7058

目录目录 1 构建Retinanet环境 2 生成CSV文件 3训练 4.转化模型 5.测试 6.评测 loss可视化 ap，precision-recall 数据集什么的看我之前博客，资源里也有标记好的数据集，这里主要写一下我配置使用训练过程。 1 构建Retinanet环境 1.代码库下载地址https://github.com/fizyr/keras-reti...

参与评论您还未登录，请先登录后发表或查看评论

深度学习之目标检测---RetinaNet网络结构详解

最新发布

qq_52191127的博客

08-11

1047

无论是前景类还是背景类， p t p_t pt 越大，权重 ( 1 − p t ) γ (1-p_t)^{\gamma} (1−pt)γ 就越小，即简单样本的损失可以通过权重进行抑制；α t \alpha_t αt 用于调节正负样本损失之间的比例，前景类别使用 α t \alpha_t αt 时，对应的背景类别使用 1 − α t 1-\alpha_t 1−αt;γ \gamma γ 和 α t \alpha_t αt 的最优值是相互影响的，所以在评估准确度时需要把两者组合起来调节。

Retinanet训练自己的数据集

qq_44929031的博客

07-06

1535

Retinanet训练 Retinanet训练之前配置的retinanet环境忽然调用不了GPU，尝试多数方法未解决，然后重新配置。一.环境配置使用的环境是ubuntu18.04,CUDA10.1。下载Retinanet项目 git clone https://github.com/fizyr/keras-retinanet.git 编译 python setup.py build_ext --inplace 环境配置 pip install -r requirements.txt

mmDetection 用 retinanet 网络训练自定义数据集

weixin_45558466的博客

06-21

416

1. 在 mmdetection-main\mmdet\datasets\coco.py 文件中将原来的coco数据集的类别和调色板注释掉换成自定义数据集的类别和调色板2. 在 mmdetection-main\mmdet\evaluation\functional\class_names.py 文件中将原来的coco数据集的类别注释掉换成自定义数据集的类别，注意有两处3. 本文的data文件夹布局和coco数据集的布局一样，只是将图片和标注文件的内容换成了自定义数据集的。

学习记录：Windows系统下复现目标检测算法（pytorch-retinanet）训练自己标注的数据集

weixin_47247597的博客

03-10

1406

Windows系统下复现目标检测算法训练自己标注的数据集

keras_retinanet 目标检测——自定义图片数据集的模型训练步骤

Muzi_Water的博客

03-13

5769

最近在学习 keras_retinanet ，下面就记录下用自己的数据集进行的模型训练。大致分为以下几步：自定义训练数据图片目标标注生成用于训练的图片名称、目标标注位置及目标类别的.csv文件开始训练模型（注意参数调整）转换训练好的模型用转换后的模型进行目标检测下面就一步一步介绍吧：目录 1.下载包，安装环境。 2.准备数据集 3.训练模型 4.目标检测 ...

tensorflow版，Retinanet代码实现

12-28

首先，RetinaNet的核心创新在于Focal Loss，这是为了解决在训练过程中正负样本极度不平衡的问题。传统的交叉熵损失函数在处理大量背景类样本时，会导致网络过于关注背景类，而忽视了小且难以检测的目标。Focal Loss...

Retinanet 代码复现过程笔记 pytorch

qq_40310050的博客

09-27

1764

主要记录一下自己的复现热retinanet的一个过程。参考了：这篇博客写的很好版权声明：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：链接: https://blog.csdn.net/baidu_38406307/article/details/105467019. ———————————————— 版权声明：本文为CSDN博主「berrymusic」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。这个是在

pytorch版CenterNet训练自己的数据集

pprp的博客

07-31

2772

CenterNet(Objects as points)已经有一段时间了，之前这篇文章-【目标检测Anchor-Free】CVPR 2019 Object as Points（CenterNet）中讲解了CenterNet的原理，可以回顾一下。这篇文章是基于非官方的CenterNet实现，https://github.com/zzzxxxttt/pytorch_simple_CenterNet_45，这个版本的实现更加简单，基于官方版本(https://github.com/xingyizhou/Cent

Retinanet-Pytorch:Retinanet目标检测算法(简单,明了,易用,全中文注释,单机多卡训练,视频检测)(based on pytorch,Simple, Clear, Mutil GPU)

05-05

GIthub使用指北: 1.想将项目拷贝到自己帐号下就fork一下. 2.持续关注项目更新就star一下 3.watch是设置接收邮件提醒的. Retinanet-Pytorch 目标检测算法pytorch实现, 本项目不是完全的复现论文（很多参数以及实现方式上与原论文存在部分差异，有疑问欢迎issues）由于一些原因,训练已经过测试,但是并没有训练完毕,所以不会上传预训练模型. 但项目代码验证无误.（但在使用时需要自己进行调整。不建议新手进行尝试。）项目在架构上与采用了相似的结构. 重用了大量中代码,如训练器,测试器等. 本项目单机多卡,通过torch.nn.DataParallel实现,将单机环境统一包装.支持单机单卡,单机多卡,指定gpu训练及测试,但不支持多机多卡和cpu训练和测试. 不限定检测时的设备(cpu,gpu均可). Requirements pytorch op

人脸识别之insightface使用自己的数据集制作训练文件以及详细说明

12-22

# 数据处理： 1、使用facenet中的文件或insight项目中的align_dataset_mtcnn.py将原始人脸数据先检测并处理成112x112大小， 2、制作训练集.rec文件 # python insightface/recognition/tools/im2rec.py --list --recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ #生成.lst # python im2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/ ##生成.rec

目标检测 Keras RetinaNet 模型

02-20

Keras RetinaNet 训练好的模型，更多Keras RetinaNet 项目的介绍，可以移步：https://blog.csdn.net/zyxhangiian123456789/article/details/87814887

RetinaNet 迁移学习到自标数据集

dingjuncui5546的博客

12-26

255

Keras-RetinaNet 在自标数据集 alidq 上训练 detection model RetinaNet 模型部署与环境配置参考README 数据预处理数据统计信息：类别：gun1, gun2 有效数据量：23216 测试集大小：1000 训练验证集大小：22216 由于此次 detection 任务比较简单，为了实验 fine tuning 对模型的影响，我们...

使用 keras-retinanet 训练的记录

大志的博客

03-14

3046

数据样本图集设置三个类别巴士 bus 车轮wheel 刹车盘shache 识别的结果这张识别错误这张错误识别wheel 这张两张范围有点大尽管有这样那样的问题，流程是通了，做个记录。记录开始：官方https://github.com/fizyr/keras-retinanet 我们准备号了csv...

Detectron：用自己的数据集（VOC格式）训练RetinaNet

qq_15056979的博客

06-20

1904

一、数据集（VOC） Detectron天然支持COCO格式的数据集，但是可能我们手中的数据集是VOC格式的，这就需要我们手动的对VOC数据集进行相应的转换（xml→json），下面就以我自己的一个数据集为例，逐步说明一下数据集的配置过程。 1. 检查数据集（如果确定自己的数据集没有问题，可以跳过这一步）首先，我们应当先检查自己的数据集是否完整，这一步也很重要，因为我就是在这一步中浪费了...

keras-retinanet 用自己的数据集训练

RCNN

09-06

2662

首先制作自己的数据集：将自己的数据集转换成VOC2007格式，再把VOC2007转化成CSV格式。首先将自己的数据集转换成VOC2007格式的数据集：https://blog.csdn.net/u012426298/article/details/80334292 再将VOC2007格式的数据集转化为CSV：https://blog.csdn.net/u012426298/article/d...

retina_net训练记录

qq_276982536的博客

04-15

246

学习率0.08 [[2.8720347804407917, 0, "2019-04-04-19 18:38:33"], [2.263864836385173, 10, "2019-04-04-19 19:13:26"], [2.0282580121870963, 20, "2019-04-04-19 19:48:22"], [2.35884508778972, 30, "2019-04-04-1...

retinanet训练自己数据集

09-01

要训练自己的数据集使用RetinaNet，您需要按照以下步骤进行操作： 1. 数据准备：收集并准备您的自定义数据集，包括图像和标注信息。确保每个图像都有对应的标注框，并且每个标注框都有相应的类别标签。 2. 安装...