如何进行安装?
安装的网址:https://www.paddlepaddle.org.cn/paddle/paddleX
paddleX的可视化界面图片
左边的目录的总览:
新建项目:
项目中一共包含了四种深度学习的任务:图像分类,目标检测,语义分割和实例分割
(a)图像分类(b)目标检测(c)语义分割(d)实例分割
创建了项目之后点击进入
数据集创建使用的工具是精灵标注:
精灵标注中创建项目(以目标检测为例)
标注界面:
目标检测任务使用矩形框标注即可,其中使用的快捷键包括:
ctrl+s每次框选完一个物体就要保存一次,右上角能够对目标框进行贴标签
键盘的左右键可以进行图片的切换
R键,生成矩形框
标注完成之后点击左下角的导出进行标签导出操作
选择的是pascal-voc,保存路径放在放在JPEGimages的上一层文件夹,我这里是bigcar,方便以后使用paddleX对目标数据集进行引入。
数据集导入文件格式如图:
标注过程中遇到的问题与解决方法:
1.标签名需要是英文,不然导入进入到paddleX之后就会变成乱码(个人经验:用飞桨团队的产品和工具最好所有的命名规则都是英文的,不然总会遇到一意想不到的错误)
2.一旦标注导出完成,图片的位置和名字就不能够更改(改变图片路径就要改变相应的xml文件)。
3.标注完一张图片后,最好检查一下有没有保存好,不然倒回来找矩形框是一件相当麻烦的事情。
终于来到最重要的一步了,参数配置。
目前尝试的两种搭配都还可以:
YOLOv3模型的速度快,准确度低;
FasterRcnn模型的准确度高,速度慢。
backbone选择默认的即可,要更换backbone的话可以去飞桨的官网看相关的资料。
之后的几步都默认就可以,一直到训练参数:
迭代轮数:根据你图片的数量决定,图片越多,迭代的轮数也要相应增加,不然就不能够得到最大的mAP.
学习率:就是梯度,你可以想象你在向一个山谷的低端走,每次只能够迈出一步(学习率),你的步幅不能够过大也不能够过小,系统默认的学习率应该没什么问题,如果说你学习率调的很低,函数就不能收敛;学习率调的过高,你就不能够达到山谷的最低点,而是在上谷底来回走动.
批大小:每次输入的数据量大小,批大小越大,对于显存的要求就更高.
需要注意的是:迭代轮数和保存间隔需要是倍数关系的.
优化策略:根据自己的需求来调整优化策略.
然后,进行训练.
通过训练可视化,可以帮助自己对超参进行调整,如下图.
之后进行模型评估:
最后,发布模型.