实例分割Yolact边缘端部署（二）训练自己的模型-＞ onnx

最新推荐文章于 2024-06-22 09:46:57 发布

wangxiaobei2017

最新推荐文章于 2024-06-22 09:46:57 发布

阅读量522

点赞数

分类专栏：深度学习训练与移植文章标签：深度学习人工智能 python

本文链接：https://blog.csdn.net/wangxiaobei2017/article/details/127633254

版权

深度学习训练与移植专栏收录该内容

11 篇文章 9 订阅 ¥199.90 ¥299.90

订阅专栏

本文详细介绍了如何在边缘端部署Yolact实例分割模型，包括从GitHub或Gitee下载源码，修改config.py的数据和网络参数，如类别、数据集路径、超参数等。接着在train.py中训练模型并转换为ONNX格式，针对ONNX转换时的注意事项，如固定图像尺寸、调整maxpooling操作等。最后，通过onnx-simplifier优化模型，并使用onnx工具检查模型结构。

摘要由CSDN通过智能技术生成

实例分割Yolact边缘端部署（二）训练自己的模型-> onnx

yolact训练

yolact训练

1. 文件结构

首先从github或者Gitee下载Yolact源码
- Github
- Gitee
配置文件data/config.py用来配置模型的所有参数，包括类别、训练数据、网络结构、超参数等等
eval.py用来进行推理，包括后面模型转换也要用到
train.py 训练模型
主要文件结构

.
├── data
│   ├── config.py
│   ├── __init__.py
│   ├── json2coco.py
│   ├── train_datasets
│   ├── yolact_example_0.png
│   ├── yolact_example_1.png
│   └── yolact_example_2.png
├── model
│   └── yolact_resnet50_54_800000.pth
├── backbone.py
├── eval.py
├── train.py
└── yolact.py