PaddleDetection实验

1. 训练、验证和预测模型

        本实验使用sdd_vgg16_300_240e_voc.yml进行训练

1. 训练

python tools/train.py -c configs/ssd/sdd_vgg16_300_240e_voc.yml --eval -o use_gpu=true

2.测试

        本实验在训练后，会将训练的全部结果直接放在output中，因为output中并没有ssd_vgg16_300_240e_voc文件，因此，手动创建该文件，然后将所有结果手动导入该文件中。

python -u tools/eval.py -c configs/ssd/ssd_vgg16_300_240e_voc.yml -o weights=output/ssd_vgg16_300_240e_voc/model_final

3. infer.py

        在预测过程中，如果预测的不是一张图片，那么需要使用--infer_dir放入的是图片文件夹路径，--infer_img放入的是图片路径。

python tools/infer.py -c configs/ssd/ssd_vgg16_300_240e_voc.yml --infer_dir=data/dataset --output_dir=output/ssd_result

2. 计数

        本实验需要使用到每张图片上的预测结果，infer.py中只能输出标注好的图片结果，在output_ssd_result中，但是并没有具体的每张图片上的标注框数量，因此需要对源代码进行修改。步骤如下：

        在visualizer.py文件中，找到draw_bbox方法，本人对在大概87行左右，在for dt in np.array(bboxes)：之前加入number = 0用来统计数量；然后，在此for循环中找到if len(bbox) == 4:在该循环的drwa.line()下面加入number += 1；接着，在elif len(bbox) == 8:中，在循环的draw.line()下面加入number += 1; 最后在该方法最后，return image上面，加入print(number)即可。

        根据上述修改，运行infer.py，即可得到每张图片上的预测框数量。