PaddleDetection学习（一）

PaddleDetection学习（一）

安装

GitHub地址：https://github.com/PaddlePaddle/PaddleDetection

1、安装PaddlePaddle框架

# CUDA 10.1
python -m pip install paddlepaddle-gpu==2.2.0.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

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

2、安装PaddleDetection

# 克隆PaddleDetection仓库
git clone https://github.com/PaddlePaddle/PaddleDetection.git

# 安装依赖
cd PaddleDetection
pip install -r requirements.txt

# 编译安装paddledet
python setup.py install

  安装后验证：

python ppdet/modeling/tests/test_architectures.py

​ 如若出现问题：libSM.so.6: cannot open shared object file: No such file or directory

​ 解决方案：

apt-get install libsm6		# 安装对应软件包

​ 通过验证会打印如下信息：

3、案例体验

​ 通过官方给定的Demo进行体验：

export CUDA_VISIBLE_DEVICES=0
python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg

​ 预测结果在output目录下：

PaddleDetection特点

一、模型丰富

提供丰富的模型套件，场景包含目标检测、实力分割、人脸检测、追踪等，并且提供相对应的预训练模型，涵盖了多种全球竞赛冠军方案；

套件结构图：

二、简洁易用

1、动态图开发，可灵活调试代码；

2、模块化设计，使用配置文件即可修改超参数，使用简单方便；

产业级目标检测算法

在实际落地场景中，目标检测方案有以下问题：

• 模型选用及开发：高精度or轻量化，如何快速改进并训练新的数据集；
• 模型优化：如何提升精度，进行版本迭代；
• 模型部署：服务器or端侧部署，

PP-YOLO

一、YOLO最根本原理：

目标检测实质是通过滑窗的方法找到目标对应位置，YOYO用CNN实现滑窗的作用：

二、YOLOV3的简单结构图：

三、PP-YOLO简介：
V2版本在COCO2017数据集上的精度达到49.5%，在640*640的输入尺寸下，FPS达到68.9；PP-YOLOV2在同等速度下，精度已经超越YOLOV5；

四、PP-YOLO改进点

1、MixUP数据增强：将两张图像线性相加来平滑数据集；

2、Backbone的替换：DarkNet53 —> Paddle分类中的ResNet50（用好的预训练模型）；

3、Backbone中添加DCN，原理是让参与计算的点集中在物体上，涨精度但会掉一点点速度；

4、Neck部分加入SPP，获得不同的感受野，增加了一点参数；

5、Neck部分加入Coordconv，由于Conv做one-hot转坐标任务差，所以加入坐标信息；

6、Neck加入PAN，增强Neck部分的特征融合能力；

7、Neck加入MISH激活函数，希望处处平滑，<0处也有值；

8、Loss部分加入IOU Loss，定位时xywh的loss一同计算，公式1-IOU的平方；

9、Loss部分加入IoU Aware Branch，也就是加多了一个分支来预测IOU；

10、加指数滑动平均EMA，平均一下更容易得到最优解；

11、SoftNMS的并行处理版本，就算IOU很大，也不直接抑制掉，而是降分；

12、调大一定Batch后调大Input size，Batch到一定值后已经稳定训练，调大Input size对小物体好；

关于PP-YOLO2的模型使用案例，可参考官方教程：https://aistudio.baidu.com/aistudio/projectdetail/3200646?forkThirdPart=1

总结

  Paddle是百度自研的一款框架，在当前很场景中已经有很好的应用；不管是目标检测、NLP、OCR，都在工业界能简单快速的应用；虽然大部分项目还是用Pytorch、Tensorflow比较多，但Paddle也是不比这两者差的一个框架；