Step by Step演示如何训练Pytorch版的EfficientDet

08/30 11:00
阅读数 0


向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号:datayx


Paper:https://arxiv.org/abs/1911.09070

Base GitHub Repo:https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch

Official Repo:https://github.com/google/automl/tree/master/efficientdet

EfficientDet 算法中文介绍:https://github.com/DataXujing/EfficientDet_pytorch/blob/master/EfficientDet_CN.md


本项目以一个真实比赛的数据集,Step by Step演示如何训练最近开源的相对SOTA的Pytorch版的EfficientDet的训练,评估,推断的过程。像paper中提到的一样,我们并没有使用任何数据增强或模型融合等后处理的trick来提高模型的精度,如果你想增加数据增强的策略可以在efficientdet/dataset.py中实现;

此外我们并没有采用类似于UWGAN_UIE,水质迁移(WQT),DG-YOLO或一些水下去雾算法的办法,预处理水下的图像;

相信这些trick同样会提高模型识别的精度!!


1.数据来源

数据来源于科赛网中的水下目标检测的比赛

https://www.kesci.com/home/competition/5e535a612537a0002ca864ac/content/2


「背景」 随着海洋观测的快速发展,水下物体检测在海军沿海防御任务以及渔业、水产养殖等海洋经济中发挥着越来越重要的作用,而水下图像是海洋信息的重要载体,本次比赛希望参赛者在真实海底图片数据中通过算法检测出不同海产品(海参、海胆、扇贝、海星)的位置。




    项目代码 获取方式:

    关注微信公众号 datayx  然后回复 目标检测 即可获取。

    AI项目体验地址 https://loveai.tech


我们将数据存放在项目的dataset下:

..
└─underwater
  ├─Annotations #xml标注
  └─JPEGImages #jpg原图
# 首先划分训练集和验证集:我们采用9:1的随机换分,划分好的数据等待转化为COCO数据

划分训练集和验证集后的数据结构:

..
├─train
│ ├─Annotations
│ └─JPEGImages
└─val
  ├─Annotations
  └─JPEGImages

将VOC转COCO:


3.修改EfficientDet的项目文件

1.新建dataset文件夹用以存放训练和验证数据

dataset
└─underwater # 项目数据集名称
  ├─annotations # instances_train.json,instances_val.json
  ├─train   # train jpgs
  └─val   # val jpgs

2.新建logs文件夹

logs存放了训练过程中的tensprboardX保存的日志及模型

3.修改train.py[训练使用]








推断速度基本能达到实时:





4.Tensorboard展示结果:

tensorboard --logdir logs/underwater/tensorboard




mmdetection水下海鲜目标检测


机器学习算法AI大数据技术

 搜索公众号添加: datanlp

长按图片,识别二维码




阅读过本文的人还看了以下文章:


TensorFlow 2.0深度学习案例实战


基于40万表格数据集TableBank,用MaskRCNN做表格检测


《基于深度学习的自然语言处理》中/英PDF


Deep Learning 中文版初版-周志华团队


【全套视频课】最全的目标检测算法系列讲解,通俗易懂!


《美团机器学习实践》_美团算法团队.pdf


《深度学习入门:基于Python的理论与实现》高清中文PDF+源码


特征提取与图像处理(第二版).pdf


python就业班学习视频,从入门到实战项目


2019最新《PyTorch自然语言处理》英、中文版PDF+源码


《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码


《深度学习之pytorch》pdf+附书源码


PyTorch深度学习快速实战入门《pytorch-handbook》


【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》


《Python数据分析与挖掘实战》PDF+完整源码


汽车行业完整知识图谱项目实战视频(全23课)


李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材


笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!


《神经网络与深度学习》最新2018版中英PDF+源码


将机器学习模型部署为REST API


FashionAI服装属性标签图像识别Top1-5方案分享


重要开源!CNN-RNN-CTC 实现手写汉字识别


yolo3 检测出图像中的不规则汉字


同样是机器学习算法工程师,你的面试为什么过不了?


前海征信大数据算法:风险概率预测


【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类


VGG16迁移学习,实现医学图像识别分类工程项目


特征工程(一)


特征工程(二) :文本数据的展开、过滤和分块


特征工程(三):特征缩放,从词袋到 TF-IDF


特征工程(四): 类别特征


特征工程(五): PCA 降维


特征工程(六): 非线性特征提取和模型堆叠


特征工程(七):图像特征提取和深度学习


如何利用全新的决策树集成级联结构gcForest做特征工程并打分?


Machine Learning Yearning 中文翻译稿


蚂蚁金服2018秋招-算法工程师(共四面)通过


全球AI挑战-场景分类的比赛源码(多模型融合)


斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)


python+flask搭建CNN在线识别手写中文网站


中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程



不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加: datayx  


本文分享自微信公众号 - 机器学习AI算法工程(datayx)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部