NanoDet 深度学习目标检测框架快速入门教程

NanoDet 深度学习目标检测框架快速入门教程

nanodetNanoDet-Plus⚡Super fast and lightweight anchor-free object detection model. 🔥Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone🔥项目地址:https://gitcode.com/gh_mirrors/na/nanodet

1. 项目目录结构及介绍

nanodet/
├── config/        # 配置文件目录
│   ├── models/    # 各种模型的配置文件
├── data/          # 数据集处理脚本和配置
│   ├── coco/      # COCO数据集相关的配置
├── lib/           # 工具函数库
│   ├── layers/     # 自定义层
│   ├── metrics/    # 评估指标
│   ├── models/     # 模型定义
│   └── utils/      # 辅助工具
├── nanodet.py      # 主入口脚本
└── scripts/        # 脚本工具
    ├── train.sh    # 训练脚本
    ├── demo.py     # 实时演示脚本

• config/: 存放各种模型的配置参数。
• data/: 包含用于读取和预处理数据集的脚本和配置。
• lib/: 核心代码库，包括网络层、评估指标、模型定义和通用工具函数。
• nanodet.py: 项目的主入口文件，可以用来运行训练、测试等任务。
• scripts/: 提供训练和实时演示的shell脚本。

2. 项目的启动文件介绍

nanodet.py

这是NanoDet的主要执行脚本，可以通过命令行参数指定不同的操作，如训练、验证或推断。基本的用法是：

python nanodet.py --cfg <path_to_config_file> --mode <train|test|inference>

• <path_to_config_file>: 指定配置文件路径，例如 config/models/nanodet-m_0.5x.yaml。
• <train|test|inference>: 选择执行的操作，如训练、测试或推断。

scripts/train.sh

这是一个bash脚本，用于简化训练过程。它通常包含了必要的环境设置和训练命令。可以像下面这样运行：

./scripts/train.sh --cfg <path_to_config_file>

这个脚本会根据配置文件启动训练进程。

scripts/demo.py

此脚本提供了一个实时演示，展示如何使用NanoDet进行图像的目标检测。要运行实时演示，你可以执行：

python scripts/demo.py --cfg <path_to_config_file> --model_path <path_to_model>

这将在摄像头输入上运行NanoDet并显示结果。

3. 项目的配置文件介绍

在 config/ 目录下，有多个.yaml文件，这些文件定义了模型架构、优化器、学习率策略、数据加载参数等。以 models/nanodet-m_0.5x.yaml 为例：

architecture:
  name: NanoDet
  backbone:
    name: MobileNetV2
    scale: 0.5
  neck:
    name: FPN
  head:
    num_classes: 80
    anchor_generator:
      aspect_ratios: [1.0, 1.4, 2.0]
      scales_per_octave: 2
    bbox_reg_weights: [1.0 / 16, 1.0 / 16, 1.0 / 16, 1.0 / 16]
optimizer:
  name: AdamW
  weight_decay: 4e-5
  lr:
    base_value: 1e-4
    schedulers:
      - name: MultiStepLR
        milestones: [80000, 100000]
        gamma: 0.1

• architecture: 定义模型的结构，包括backbone（基础网络）、neck（特征金字塔）和head（检测头）。
• optimizer: 设置优化器类型及其参数，包括学习率和衰减策略。
• lr: 学习率调度，这里采用多步学习率衰减。

配置文件可根据特定需求进行调整，以适应不同任务和硬件环境。

nanodetNanoDet-Plus⚡Super fast and lightweight anchor-free object detection model. 🔥Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone🔥项目地址:https://gitcode.com/gh_mirrors/na/nanodet