paddleX可视化工具

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.