百度Aistudio目标检测7日打卡营小结

前言

这是我参加的百度Aistudio的第三次直播和实践结合的课程，相对于第一次python入门爬虫和强化学习来说，第一次是基本python语法的演练以及包括爬虫以及工具进行数据预处理介绍，第二次是百度PARL和gym系列函数式编写调参使用，而此次使用的主要是命令行和配置文件的调参使用，第二次适合细节定制化，第三次适合集成化。

摘要

PaddleDetection IoU mAP

资源

PaddleDetection的github ：https://github.com/PaddlePaddle/PaddleDetection
aistudio实验环境平台：https://aistudio.baidu.com/aistudio/index
PaddleDetection使用手册:https://paddledetection.readthedocs.io/

课程所得

本次课程一共有三位讲师，青青、冠冠、鹏鹏。

预习课程的实践作业是本地化部署PaddlePaddle和PaddleDetection。我是后期在群文件里面把一些群友提供的文件下载安装完成的，可以查看版本，但是具体数据集本地化运行还没有试验。

• 鉴于上次想本地化，已经把win7 32bit 2G
  通过增加内存条并在微软官网用U盘重装系统升级为win10 64bit 6G
  符合安装需求
  
  window安装python
  要求您的 Python 2 版本是 2.7.15+、Python 3 版本是 3.5.1+/3.6/3.7， pip/pip3 版本是 9.0.1+，Python 和 pip 均是 64 位版本，操作系统是 64 位操作系统。
  官网安装python3.7

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

• visualcppbuildtools_full
• PaddleDetection-release-0.4
• cudann-10.0-windows10-x64-v7.5.6.32
• cocoapi-master

设置了cuda路径

PS D:\AistudioBD> python -m pip show PaddlePaddle
Name: paddlepaddle
Version: 1.8.4
Summary: Parallel Distributed Deep Learning
Home-page: UNKNOWN
Author: UNKNOWN
Author-email: UNKNOWN
License: UNKNOWN
Location: e:\users\xujiayu\appdata\local\programs\python\python37\lib\site-packages
Requires: protobuf, matplotlib, requests, graphviz, six, pyyaml, funcsigs, opencv-python, prettytable, numpy, rarfile, nltk, decorator, gast, scipy, objgraph, Pillow, astor, pathlib
Required-by:

#使用 python 进入python解释器，验证
$ python
>import paddle.fluid 
>paddle.fluid.install_check.run_check() 


#测试验证
$ python ppdet/modeling/tests/test_architectures.py

青青讲师由基本数据集开始介绍，首先是coco和voc，即数据的整合形式。用其他开发角度来看，就是存储了图片的位置信息，大小等的配置文件。而针对本门课程，就作为数据集形式之一。作业一，在aistudio上，先执行命令进行基础环境配置运行，再根据提示后期执行运用到的对对应训练样式的xx.yml配置文件的进行路径校对，再一次运行训练、评估、验证三个阶段，最终可视化展示。

• 训练

! python -u tools/train.py -c configs/hw_configs/yolov3_mobilenet_v1_roadsign_voc_template.yml  \
                        -o use_gpu=true \
                        --use_vdl=true \
                        --vdl_log_dir=vdl_dir/scalar \
                        --eval

• 评估

! python -u tools/eval.py -c configs/hw_configs/yolov3_mobilenet_v1_roadsign_voc_template.yml -o weights=./output/yolov3_mobilenet_v1_roadsign_voc_template/best_model.pdparams 

• 验证

! python tools/infer.py -c configs/hw_configs/yolov3_mobilenet_v1_roadsign_voc_template.yml --infer_img=/home/aistudio/work/PaddleDetection/dataset/roadsign_voc/images/road554.png

%matplotlib inline
import matplotlib.pyplot as plt 
import cv2

infer_img = cv2.imread("output/road554.png")
plt.figure(figsize=(15,10))
plt.imshow(cv2.cvtColor(infer_img, cv2.COLOR_BGR2RGB))
plt.show()

冠冠讲师，详细介绍了采用单点多比例9个锚框anchor，并举例了广角之类的摄像手法。介绍了Faster R-CNN，YOLO，PPYOLO。
等(PS这个等合在一起有十几个，第一次接触就只能记住几个样名称，更多的看资源的手册)。简单介绍了IoU利用真实框和预测框的计算某种算法调整。卷积

鹏鹏讲师，介绍了相关的比赛经验，以及给出一些两个框框的，比如勾肩搭背的人，多人场景的识人包含被遮挡的人。

总结

本次课程由于PaddleDetection集成化较高，因此基本命令行和配置文件修改即可。难点在于，我对这些模型适用场景没有概念，听各路大神说这个适合小物品检测，哪个适合是什么场景检测。(一脸懵.jpg) ，我还是根据上次参与的经验对那个xx.yml配置文件进行学习率和max_iter之类的调整。