Skip to content

Latest commit

 

History

History
132 lines (95 loc) · 4.63 KB

README_CN.md

File metadata and controls

132 lines (95 loc) · 4.63 KB
Raw

Paddle-YOLOv4

English | 简体中文

一、简介

本项目基于paddlepaddle_v2.1框架复现YOLOv4。YOLOv4是YOLO系列的第四代模型，其在保留YOLOv3检测头编解码方式的同时，通过使用更强的主干网络、更强的特征融合模块、以及更多的数据增强方式，让模型性能相比于YOLOv3有显著的提高，且推理速度仍然很快。

论文:

  • [1] Bochkovskiy A, Wang C Y, Liao H. YOLOv4: Optimal Speed and Accuracy of Object Detection[J].2020.

参考项目：

项目aistudio地址：

二、复现精度

该模型是在COCO2017的train集上训练，在COCO2017的testdev集上测试(训练时可以先在val集上验证，用于评估模型训练情况)。

论文中给出的在输入尺寸为416x416时testdev集上的AP为41.2%，本项目得到的AP为41.2%。

复现结果截图

三、数据集

COCO数据集

  • 数据集大小：
    • 训练集：118287张
    • 验证集：5000张
    • testdev集：20288张
  • 数据格式：标准COCO格式，矩形框标注

四、环境依赖

  • 硬件：CPU、GPU（建议使用四卡Tesla V100-32G）

  • 框架：

    • PaddlePaddle >= 2.1.2

五、快速开始

step1: clone

# clone this repo
git clone https://github.com/nuaaceieyty/Paddle-YOLOv4.git
cd Paddle-YOLOv4
export PYTHONPATH=./

安装依赖

pip install -r requestments.txt

step2: 训练

  1. 在顶层目录下创建output文件夹，并在此处下载主干网络CSPDarkNet的预训练权重（我已经将CSPDarkNet官方提供的转为了pdparams格式），地址为：https://aistudio.baidu.com/aistudio/datasetdetail/103994 。
  2. 本项目使用四卡Tesla V100-32G训练，注意：COCO数据集应该提前下好，并且解压到顶层目录下的data目录中（数据集地址为：https://aistudio.baidu.com/aistudio/datasetdetail/7122 ）。如果出现数据集地址问题，请在configs/datasets/coco_detection.yml文件中将相应地址改为绝对路径。
python -m paddle.distributed.launch --gpus 0,1,2,3 train.py -c configs/yolov4/yolov4_coco.yml --eval

step3: 评估验证

注意：这里一定要确保best_model.pdparams文件在output目录下

python3 eval.py -c configs/yolov4/yolov4_coco.yml

step4: 生成提交testdev结果

注意：这里一定要确保best_model.pdparams文件在output目录下

python3 eval.py -c configs/yolov4/yolov4_coco_test.yml

将住目录下生成的bbox.json文件压缩成zip格式后，发送至测评服务器

使用训练好的模型预测

将需要测试的图片放在目录data中， 运行下面指令，输出图片保存在output目录下；如果机器环境中有GPU，则将命令中 -o use_gpu=False 去掉

python3 predict.py -c configs/yolov4/yolov4_coco.yml --infer_img data/1.jpg -o use_gpu=False

运行结果如下所示：

预测结果

六、代码结构与详细说明

6.1 代码结构

├─config                          # 配置
├─model                           # 模型
├─data                            # 训练数据及预测图片存放目录
├─output                          # 权重参数及预测结果
│  eval.py                        # 评估
│  predict.py                     # 预测
│  README.md                      # 英文readme
│  README_CN.md                   # 中文readme
│  requirements.txt               # 依赖
│  train.py                       # 训练

6.2 参数说明

可以在 train.py 中设置训练与评估相关参数，具体如下：

参数 默认值 说明 其他
config None, 必选 配置文件路径
--eval None, 可选 边训练边验证 如果不选此项，可能找到best_model会比较麻烦
--resume None, 可选 恢复训练 例如：--resume output/yolov4_coco/66

6.3 训练流程

详见 五、快速开始

七、模型信息

关于模型的其他信息，可以参考下表：

信息 说明
发布者 余天洋（EICAS）
时间 2021.10
框架版本 Paddle 2.1.2
应用场景 目标检测
支持硬件 GPU、CPU
下载链接 训练好的模型
在线运行 notebook