[Japanese/English]

Warning
このリポジトリはNanoDet-Plusには対応していません。

NanoDet-Colaboratory-Training-Sample

NanoDetをGoogle Colaboratory上で訓練しONNX形式のファイルをエクスポートするサンプルです。
以下の内容を含みます。

• データセット ※アノテーション未実施
• データセット ※アノテーション済み
• Colaboratory用スクリプト(環境設定、モデル訓練)

Requirement

• Pytorch 1.7 or later
• pytorch-lightning 1.4.7 or later
• OpenCV 3.4.2 or later ※推論サンプルを実施する場合のみ
• onnxruntime 1.5.2 or later ※推論サンプルを実施する場合のみ

About annotation

VoTTを使用してアノテーションを行い、
Pascal VOC形式で出力したアノテーションデータを前提としています。
ただし、ノートブック内で更にMS COCO形式変換しています。

ノートブックのサンプルでは、以下のようなディレクトリ構成を想定しています。
ただし、本サンプルでは「pascal_label_map.pbtxt」と「ImageSets」は利用しないため、
格納しなくても問題ありません。

02.annotation_data
│  pascal_label_map.pbtxt
│  
├─Annotations
│      000001.xml
│       :
│      000050.xml
│      
├─ImageSets
│          
└─JPEGImages
        000001.jpg
         :
        000050.jpg

Usage

トレーニングはGoogle Colaboratory上で実施します。
[Open In Colab]リンクからノートブックを開き、以下の順に実行してください。

1. PyTorch Lightningインストール(PyTorch Lightning install)
2. 乱数シード固定(Random seed fixed)
3. データセットダウンロード(Download Dataset)
   自前のデータセットを使用したい方は「use_sample_image = True」をFalseに設定し、
   「dataset_directory」に自前のデータセットのパスを指定してください
4. Pascal VOC形式 を MS COCO形式へ変換(Convert Pascal VOC format to MS COCO format)
5. モデル訓練(Training Model)
   「!python train.py nanodet-m.yml」を実施する前に「nanodet」ディレクトリに「nanodet-m.yml」を格納してください。
   自前のデータセットを使用する場合「nanodet-m.yml」の以下の項目を変更してください。
   1. クラス数
      num_classes(model->arch->head->num_classes)
   2. 学習データ 画像格納パス
      img_path(data->train->img_path)
   3. 学習データ アノテーション格納パス
      ann_path(data->train->ann_path)
   4. 検証データ 画像格納パス
      img_path(data->val->img_path)
   5. 検証データ アノテーション格納パス
      ann_path(data->val->ann_path)
   6. バッチサイズ
      batchsize_per_gpu(device->batchsize_per_gpu)
   7. クラス名リスト
      class_names
6. ONNX変換(Convert to ONNX)
7. ONNXファイル情報確認(Check ONNX file information)
8. 学習済ファイルダウンロード(Download Trained Model)

Author

高橋かずひと(https://twitter.com/KzhtTkhs)

License

NanoDet-Colaboratory-Training-Sample is under Apache-2.0 License.