Skip to content

Latest commit

 

History

History
 
 

object_detection_DETR

README.md

环境要求

  • PaddlePaddle 2.1
  • OS 64位操作系统
  • Python 3(3.5.1+/3.6/3.7/3.8/3.9)，64位版本
  • pip/pip3(9.0.1+)，64位版本
  • CUDA >= 10.1
  • cuDNN >= 7.6

安装PaddlePaddle

# CUDA10.1
python -m pip install paddlepaddle-gpu==2.1.0.post101 -f https://paddlepaddle.org.cn/whl/mkl/stable.html

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

请确保您的PaddlePaddle安装成功并且版本不低于需求版本。使用以下命令进行验证。

# 在您的Python解释器中确认PaddlePaddle安装成功
>>> import paddle
>>> paddle.utils.run_check()

# 确认PaddlePaddle版本
python -c "import paddle; print(paddle.__version__)"

# 目录结构

｜-- data：数据处理
	|-- dataset.py：COCO格式数据解析
	|-- operators.py：包含各种预处理方法
｜-- models：模型
	|-- backbone.py：backbone模型
  |-- positional_encoding.py：位置编码器	
	|-- transformer.py：transormer模型
	|-- hungarian_matcher.py：双边匹配方法
	|-- loss.py：计算损失函数
	|-- detr_head.py：DETR的head模型
	|-- post_process.py：DETR结果后处理
	|-- detr.py：DETR的整体结构
  |-- layers.py、ops.py：定义网络层
  |-- initializer.py：初始化方法
  |-- callbacks.py：callbacks方法，LogPrinter等
  |-- optimizer.py：优化器、学习率衰减等方法
  |-- save_model.py：保存模型
｜-- utils：
	|-- bbox_utils.py：框bbox的处理
	|-- load_model.py：加载预训练模型
	|-- util.py：定义GIoULoss等函数
｜-- imgs：README图片
｜-- test_imgs：测试图片
｜-- output：测试结果图片
｜-- main.py：主函数
｜-- train_model.py：训练代码
｜-- eval_model.py：验证代码
｜-- test_model.py：测试代码

准备数据集

下载COCO数据集，并解压到dataset文件夹下

mkdir dataset
unzip -q -o train2017.zip -d dataset
unzip -q -o val2017.zip -d dataset
unzip -q -o annotations_trainval2017.zip -d dataset

解压之后，完整COCO数据存储结构：

	｜-- annotations：标注文件
		|-- person_keypoints_train2017.json：关键点检测
		|-- person_keypoints_val2017.json
		|-- captions_train2017.json：看图说话
		|-- captions_val2017.json
		|-- instances_train2017.json：目标实例
		|-- instances_val2017.json
	｜-- images：图片
		|-- train2017
		|-- val2017

训练

python main.py --mode='train' --dataset_dir='dataset/' --image_dir='train2017' --anno_path='annotations/instances_train2017.json'
  • mode：设置不同的模型，'train'表示训练
  • dataset_dir：COCO数据集路径
  • image_dir：训练图片路径
  • anno_path：训练标注文件路径

验证

python main.py --mode='eval' --dataset_dir='dataset/' --image_dir='val2017' --anno_path='annotations/instances_val2017.json' --pretrained_model='pretrained_model/detr'
  • pretrained_model：预训练模型

下载DETR预训练模型，放在pretrained_model/目录下，使用预训练模型在COCO验证集上进行验证，结果如下：

验证集效果

测试

python main.py --mode='test' --infer_img='test_imgs/000000014439.jpg'  --anno_path='dataset/annotations/instances_val2017.json' --pretrained_model='pretrained_model/detr'
  • Infer_img：待测试图片
  • anno_path：用于获取标签类别

效果展示：

检测效果