场景文本检测&识别学习 day10（MMdetection）

丿罗小黑

已于 2024-05-30 20:42:56 修改

阅读量487

点赞数 5

分类专栏：文字检测&识别文章标签：学习深度学习人工智能目标检测

于 2024-05-28 22:50:22 首次发布

本文链接：https://blog.csdn.net/u011453680/article/details/139267215

版权

11 篇文章 1 订阅

订阅专栏

由于在大型项目中，一种模型需要分：tiny、small、big等很多种，而它们的区别主要在网络结构，数据的加载，训练策略等，且差别很多都很小，所以如果每个模型都手动从头写一份，很麻烦，为了方便，现在都是直接采用配置文件的形式来定义
如yaml文件、py文件等

在这里插入图片描述

coco数据集的组织形式
coco数据集的标注格式
所有标注信息存储在一个JSON对象中，包含以下信息：images–所有原始图像信息、annotations–所有标注信息、categories–全部物体类别信息
其中：name表示当前的物体类别，supercategories表示当前物体的超类，如car的超类为vehicle
我们将自己的数据集按照以上的格式整理好后，还需要更改模型的配置文件（有些模型是继承coco_instance.py，需要仔细查找），如下：
重点是需要修改：数据集的路径、batch_size、进程数
在将原始图像输入进模型之前，我们可能还需要对图像进行：随机裁剪与缩放、水平翻转、像素值归一化、转换为PyTorch Tensor等操作，这些操作我们统一放在数据处理流水线，即pipeline中。对于微调训练，通常情况是不需要进行更改的
下图为分类的pipeline：
由于检测有框，所以多了一个annotations，对于框也需要进行跟原始图片一样的操作，下图是检测的：
下图是训练策略，默认情况下优化器和训练策略在optimizer中定义，我们需要修改的是epoch，其他基本不需要修改：
对于YOLOv3的模型来说，主干网络、neck、head的结构如下：

对于大型项目来说，我们可以将项目的构建和表示分离，即抽象出相同的构建部分，使用不同的表示来生成不同的项目
对应到深度学习的模型中就是，我们将模型分为：backbone、neck、head、optimize等模块。将它们分别生成好后，再统一合并到一起，组合成一个模型。
同时，对于深度学习中的模型，各个模块都需要很多的参数，如果直接写在模块中，对于后续的对比试验等不友好，因此我们可以借助注册器，用字典的形式来创建模型，就只需要在字典中写参数，不需要在代码中改参数了