使用paddleDetection框架进行模型训练以及部署

1 源码

• PaddleDetection

2 模型训练

• 数据集配置文件
  
• 训练命令

python tools/train.py -c configs/ppyolo/ppyolo_mbv3_large_coco.yml

• 加载预训练模型训练命令

python tools/train.py -c configs/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml -o pretrain_weights=https://paddledet.bj.bcebos.com/models/picodet_lcnet_x2_5_640_mainbody.pdparams

• 模型预测

export CUDA_VISIBLE_DEVICES=0
python tools/infer.py -c configs/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml --infer_img=your_image_path.jpg --output_dir=infer_output/ --draw_threshold=0.5 -o weights=output/picodet_lcnet_x2_5_640_mainbody/model_final

• 模型导出命令

python tools/export_model.py -c configs/ppyolo/ppyolo_mbv3_small_coco.yml --output_dir=./inference

• 导出某一预训练模型

python tools/export_model.py -c configs/picodet/application/mainbody_detection/picodet_lcnet_x2_5_640_mainbody.yml --output_dir=./inference -o weights=output/picodet_lcnet_x2_5_640_mainbody/model_final.pdparams

• 模型导出后有三个模型文件
  

3 模型C++部署

C++部署支持CPU以及GPU，具体部署流程：

参考这篇博文：paddle 目标检测C++部署流程