Skip to content

Latest commit

 

History

History
executable file
·
174 lines (147 loc) · 5.33 KB

baseline.md

File metadata and controls

executable file
·
174 lines (147 loc) · 5.33 KB
Raw

百度飞浆智能车挑战赛 - 使用官方Baseline提交你的第一次结果

第十六届全国大学生智能车竞赛线上资格赛：车道线检测 - 百度AI Studio - 人工智能学习与实训社区

创建项目

  1. 在飞桨官网最上方点击 项目 - 创建项目
  2. 按如下三图所示创建项目
  3. 在第三步选择 「添加数据集」，然后搜索“车道线检测Baseline资源包”并添加
  4. 在我的项目中选择「启动环境」，并选择带有GPU的高级版本

配置Baseline环境

数据准备

如果创建项目时数据集链接正确，则运行环境完全加载完毕后，数据集位于/home/aistudio/data/data68698/智能车数据集.zip，可以解压到如下两个文件夹中：

  • data/：用于本次使用（会在每次进入环境时重置，但可以节省项目启动时间）
  • work/：会持久化保存（但是加载环境速度慢）

解压命令如下

!unzip -oq /home/aistudio/data/data68698/智能车数据集.zip -d /home/aistudio/data

划分数据集

!python data/make_list.py

如果报路径相关错误推荐直接使用终端输入指令进行实验

数据文件夹最终结构为

  • image mask是用来train的数据集
  • infer是最终用于predict提交结果的数据集

训练

首先clone官方仓库并安装环境

!git clone https://gitee.com/doubleZ0108/PaddleSeg.git

这个repo有几百M，换成了gitee的仓库，github太慢了

安装到external-libraries并引用可以做到持久化安装

!mkdir /home/aistudio/external-libraries
!pip install paddleseg -t /home/aistudio/external-libraries
import sys 
sys.path.append('/home/aistudio/external-libraries')

设置环境变量

%set_env CUDA_VISIBLE_DEVICES=0
%set_env PYTHONPATH='/home/aistudio/PaddleSeg'
%cd /home/aistudio

修改（重写）yml文件

官方给的是使用configs/deeplabv3p/deeplabv3p_resnet50_os8_cityscapes_1024x512_80k.yml进行训练，它的base是依靠configs/_base_/cityscapes.yml，经过反复的尝试还是会报路径的问题

最终新建了自己的yml文件，注意要更换train_dataset中的dataset_root train_path和val_dataset中的dataset_root train_path

batch_size: 2
iters: 10000
model:
  type: DeepLabV3P
  backbone:
    type: ResNet50_vd
    output_stride: 8
    multi_grid: [1, 2, 4]
    pretrained: https://bj.bcebos.com/paddleseg/dygraph/resnet50_vd_ssld_v2.tar.gz
  backbone_indices: [0, 3]
  aspp_ratios: [1, 12, 24, 36]
  aspp_out_channels: 256
  align_corners: False
  pretrained: null

train_dataset:
  num_classes: 15
  type: Dataset
  dataset_root: /home/aistudio/work
  train_path: /home/aistudio/work/train_list.txt
  transforms:
    - type: ResizeStepScaling
      min_scale_factor: 0.5
      max_scale_factor: 2.0
      scale_step_size: 0.25
    - type: RandomPaddingCrop
      crop_size: [1024, 512]
    - type: RandomHorizontalFlip
    - type: RandomDistort
      brightness_range: 0.4
      contrast_range: 0.4
      saturation_range: 0.4
    - type: Normalize
  mode: train

val_dataset:
  num_classes: 15
  type: Dataset
  dataset_root: /home/aistudio/work
  val_path: /home/aistudio/work/val_list.txt
  transforms:
    - type: Normalize
  mode: val


optimizer:
  type: sgd
  momentum: 0.9
  weight_decay: 4.0e-5

learning_rate:
  value: 0.00125
  decay:
    type: poly
    power: 0.9
    end_lr: 0.0

loss:
  types:
    - type: CrossEntropyLoss
  coef: [1]

执行训练

%cd PaddleSeg/
!python train.py \
       --config configs/mytest/mytest_model.yml \
       --do_eval \
       --use_vdl \
       --save_interval 1000 \
       --save_dir output \

其中的save_interval为多少轮训练之后保存结果 重新训练时可以增加--resume_model output/iter_4000从上次的训练继续执行

预测

%cd PaddleSeg/
!python predict.py \
       --config configs/mytest/mytest_model.yml \
       --model_path output/iter_1000/model.pdparams \
       --image_path ../work/infer \
       --save_dir output/result
  • config：配置的yml文件
  • model_path：训练后的模型
  • image_path：官方数据集文件夹中的infer目录
  • save_dir：预测结果保存的位置

提交结果

将结果打包成predict.zip并下载

%cd PaddleSeg/output/result/pseudo_color_prediction
!zip -r -o /home/aistudio/predict.zip ./

然后提交到官网（注意压缩包文件名必须为predict）

到此已经完成了第一次结果的提交🎉

Resources

官方Baseline说明：官方第十六届全国大学生智能车竞赛线上资格赛-车道线检测Baseline - Baidu AI Studio - 人工智能学习与实训社区