nanodet 训练细节解读

蓝羽飞鸟

已于 2023-01-13 07:03:06 修改

阅读量691

点赞数 1

分类专栏：源码解读2 文章标签： python 深度学习

于 2023-01-12 15:11:15 首次发布

本文链接：https://blog.csdn.net/level_code/article/details/128480427

版权

源码解读2 专栏收录该内容

13 篇文章 28 订阅 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文详细解读了nanodet的训练细节，包括数据读取、优化器设置、训练流程、损失计算等。重点分析了训练过程中SimpleConvHead的使用，以及QFL、GIOU和DFL损失函数的计算方法，特别是如何结合IOU和Cost Matrix得到目标box坐标。

摘要由CSDN通过智能技术生成

读取数据集和 annotation

用的是COCO数据集

annotation如下，用的是instances_train2017.json
在这里插入图片描述

#coco_api会包含下面anns等信息
self.coco_api = COCO(ann_path) #instances_train2017.json
        
#这个class是anaconda自带的
class COCO:
    def createIndex(self)

了解本专栏

订阅专栏解锁全文

超级会员免费看

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

蓝羽飞鸟

关注关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
打赏
0
评论
nanodet 训练细节解读

nanodet 训练细节
复制链接

扫一扫

专栏目录

订阅专栏

20、NanoDet训练、测试以及使用ncnn部署Jetson Nano 进行目标检测和串口数据转发

sxj731533730

02-25

6581

基本思想：最近想尝试一下nano 上部署nanodet，于是记录一下训练过程，手中有一份labelme标注的数据集，于是开始了一波操作~ 首先将图片和json数据集转成xml (https://blog.csdn.net/sxj731533730/article/details/90046780)，然后将xml数据集转成voc； import sys import os import json import xml.etree.ElementTree as ET from PIL import Im

Nanodet-train.py代码解读

jingyu_1的博客

01-14

411

Nanodet是一个轻量的目标检测网络，具有很多优点，当前很多网络都将它作为超越的对象。下面是本人对于train.py的代码注释，加入了部分个人的理解。

参与评论您还未登录，请先登录后发表或查看评论

目标检测——使用nanodet训练自己制作的数据集并测试模型，通俗易懂（详细图文教程）

qq_40280673的博客

08-02

9931

关于目标检测的模型有很多，**nanodet**模型小且轻量化，适合移植部署到硬件设备上，非常推荐学习这个模型。经过我自己踩了无数坑后总结了此教程，助学刚接触nanodet，想要快速上手的学者，教程很详细，学者耐心看。...

nanodet训练voc数据集

人工智能

02-17

2462

class_names: &class_names ['aeroplane','bicycle','bird','boat','bottle','bus','car','cat','chair','cow','diningtable', 'dog','horse','motorbike','person','pottedplant','sheep','sofa','train','tvmonitor'] num_classes: 20

Nanodet project label: yolo2voc2coco

yyqq7226741的博客

12-01

323

# yolo2voc2coco labels: txt-->xml-->json This project support to Nanodet project to make official labels. 1.Nanodet project address https://github.com/RangiLyu/nanodet 2.making labels means 2.1 alfred tool address https://github.com/jinfagang/a

nanodet阅读：（1）概述

tangshopping的博客

06-18

1774

nanodet概述

nanodet-main.zip

11-24

项目NanoDet，目标检测模型文件仅 1.8 MB 特点：超轻量级：模型文件只有1.8 MB 超快速：在移动 ARM CPU 上达到 97fps(10.23ms) 训练友好：训练占用内存少。可设置Batch-size=80，在 GTX1060 6G上也可以训练。 ...

口罩训练数据集及标注文件（适用于 YOLOV5 及NANODET）.zip

最新发布

03-17

【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为...口罩训练数据集及标注文件（适用于 YOLOV5 及NANODET）.zip

官网下载好的nanodet-main，官网的太慢。

05-24

5. **模型训练与优化**：用户可能需要了解如何使用NanoDet提供的配置文件来训练自己的模型，以及如何通过调整超参数来优化模型性能。 6. **部署与应用**：在下载并安装NanoDet后，用户可能需要学习如何将预训练模型...

NanoDet-ncnn可直接安装使用的apk安装包

09-11

Android平台，实测可用

NanoDet算法分享.pptx

10-25

NanoDet算法分享.pptx

（学习笔记二）基于NanoDet模型的车辆检测项目

qq_40231851的博客

05-05

2876

1.NaonoDet模型简介 NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型，该模型的模型文件大小仅几兆（nanodet_m.pth仅3.86M），其在移动ARM CPU上的速度达到97fps（10.23ms），而且提供了基于ncnn推理框架的C++实现和Android demo。本次项目我们基于PyTorch来实现使用NanoDet模型进行车辆检测。 2.模型环境搭建 2.1源码下载 NanoDet的源码已经在GitHub开源社区中公布，我们在GitHub中搜索找到Nano

voc数据集划分训练集与测试集（nanodet训练用）

qq_29283575的博客

05-12

693

voc数据集划分训练集与测试集（nanodet训练用）

Nanodet训练自己的轻量级目标检测模型实践

ssunshining的博客

04-06

4823

官方地址:https://github.com/RangiLyu/nanodet 一准备训练的数据: 数据文件目录为如下,分别存放训练集和验证集的图片和xml文件(注意图片和标签一一对应) 二、建立自己yaml文件在config文件夹下建立自己的yaml文件,VOC格式标签参照官方的 https://github.com/RangiLyu/nanodet/blob/main/config/nanodet_custom_xml_dataset.yml 文件进行修改: 注意修改的地方有以下

【目标检测】Nanodet使用笔记

AI知识搬运工

07-19

1930

一，环境安装 1. Create a conda virtual environment and then activate it. ```shell script conda create -n nanodet python=3.8 -y conda activate nanodet ``` 2. Install pytorch ```shell script conda install pytorch torchvision cudatoolkit=11.0 -c pytorch ``` ..

【模型学习】nanodet的学习记录

Lockon_Stratos的博客

04-04

393

在帮师兄弄项目时接触了，故写下这篇文章方便自己以后复习。

轻量检测模型NanoDet解析

00000cj的博客

01-04

585

YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~ - 知乎

目标检测6--NanodetPlus算法分析

机器人视觉感知

10-27

2665

NanoDet是上海人工智能实验室的RangiLyu于2020年10月份开源的轻量级检测项目，取得了很好的效果，广受关注。2021年12月份，作者又更新发布了NanoDetPlus，在coco val上的map提升了7个百分点。虽然作者将模型最终的输出concat为了一个输出，从下图可以看到有四个输出头，对应的stride分别为。

NanoDet ncnn源码解读

蓝羽飞鸟的博客

11-15

631

NanoDet ncnn源码解读

nanodet训练出来的log日志画曲线

03-25

nanodet训练出的log日志画曲线可以使用Python中的matplotlib库来完成。首先，你需要从训练日志中提取出你想要绘制的指标，例如loss或accuracy。然后，使用matplotlib库中的plot函数来绘制曲线。你可以使用不同的颜色...

nanodet 训练细节解读

目录

读取数据集 和 annotation

读取数据集和 annotation