PaddleDetection打卡营心得

---

前言

这里是记录我参加百度飞桨的深度学习的目标检测7日打卡训练营的一些学习心得

---

一、百度飞桨简介

本次使用的工具为PaddleDetection,PaddleDetection飞桨目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。

PaddleDetection模块化地实现了多种主流目标检测算法，提供了丰富的数据增强策略、网络模块组件（如骨干网络）、损失函数等，并集成了模型压缩和跨平台高性能部署能力。

经过长时间产业实践打磨，PaddleDetection已拥有顺畅、卓越的使用体验，被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。

二、课程安排

第一天：目标检测任务综述（9月21日）
第二天：RCNN系列目标检测算法详解（9月22日）
第三天：RCNN系列算法优化策略与案例（9月23日）
第四天：YOLO系列目标检测算法详解（9月24日）
第五天：世界冠军手把手带打顶会比赛（9月25日）
第六天：PP-YOLO优化策略与案例分享（9月26日）
第七天：AnchorFree系列算法介绍和实践（9月27日）

三、心得汇总

1、发展史

目标检测的发展史,从AlexNet的发明开始蓬勃发展,之后发展成了两阶段检测与一阶段检测

2、一阶段目标检测与两阶段目标检测

一阶段检测主要以YOLO系列算法为代表,二阶段检测主要以RCNN系列为代表.YOLO系列算法可以同时进行候选框的选择与分类,所以这样可以达到实时检测的效果.而RCNN系列的算法由于是两阶段的,所以可以达到一个很不错的检测精度,但是这样会直接导致检测速度无法达到实时检测的水平.

3、比赛经验分享

在7日打卡营的最后还有大牛进行如何打比赛的经验分享.向我们介绍与分享了如何打比赛的过程.

之后还详细介绍了如何基于baseline不断改进模型的流程和方法.

由于经过数据集的调研最后在竞赛的过程中修改了input_size的大小,也修改了Anchor_scales的大小.修改了原来配置文件中1333800的输入尺寸大小,改成了18001120.也删掉了512大小的Anchor_scales,新增了16大小的Anchor_scales.

总结

经过了这次7日打卡营的活动让我对目标检测领域有了比较深入的了解.也希望以后可以有更多类似的机会可以学习到更多深度学习的内容,也希望飞桨可以越来越好.最后附上飞桨与PaddleDetection的github链接

---