【模型复现】目标检测模型——​EfficientDet 快速复现教程

01 模型详情

模型简介：

《EfficientDet: Scalable and Efficient Object Detection》论文发表于2020年7月由Mingxing Tan, Ruoming Pang, Quoc V. Le三人完成，EfficientDet是一种对象检测模型，它利用了若干优化和主干调整，例如使用BiFPN，以及一种复合缩放方法，该方法同时均匀缩放所有主干、特征网络和盒/类预测网络的分辨率、深度和宽度。

关键词：对象检测、复合缩放

应用场景：图像分割、目标检测

结构：

论文地址：

https://arxiv.org/abs/1911.09070

模型来源：

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

02 平台环境准备

1. 打开极链AI云平台

         https://cloud.videojj.com/?channel=vx6https://cloud.videojj.com/?channel=vx6

 2. 点击模型

     3. 选择模型并创建实例

 4. 选择对应镜像

 5. 连接实例

创建完成后，点击jupyterlab连接

03 模型使用

1.环境配置

进入终端，在根目录路径下，运行以下命令：

mkdir datasets
ln -s /datasets/coco2017 ../../root/Yet-Another-EfficientDet-Pytorch/datasets
# 先创建datasets文件夹后，然后将复现所需的公开数据集软链接到该文件夹下
# 需将root/Yet-Another-EfficientDet-Pytorch/datasets路径下的coco2017更名为coco
mkdir weights
ln -s /modelsets/EfficientDet/efficientdet-d2.pth ../../root/Yet-Another-EfficientDet-Pytorch/weights
# 先创建weights文件夹后，然后将复现所需的预训练权重文件软链接到该文件夹下
# 平台自带efficientdet-d0.pth至efficientdet-d7.pth共8个预训练权重文件，可按需选择

更多内容请左右滑动

2.模型推断

在root/Yet-Another-EfficientDet-Pytorch（默认）路径下，运行以下命令：

python efficientdet_test.py

更多内容请左右滑动

3.模型训练

在root/Yet-Another-EfficientDet-Pytorch（默认）路径下，运行以下命令：

python train.py  --batch_size 8 --lr 1e-3 --num_epochs 10 \
 --load_weights weights/efficientdet-d2.pth
# 需修改root/Yet-Another-EfficientDet-Pytorch/projects/coco.yml文件中的gpu数量

结果仅供参考

4.模型评估

在root/Yet-Another-EfficientDet-Pytorch（默认）路径下，运行以下命令：

python coco_eval.py  -c 5 \
 -w weights/efficientdet-d2.pth

极链AI云是极链科技集团下属专为AI科研与学习而设计的一站式开发平台。为开发者提供全流程的AI科研服务，让每一位用户都能拥有撬动AI变革的力量。