PaddleDetection的学习笔记

1. PaddleDetection介绍

PaddleDetection是由百度推出的目标检测开源模型库；

1.1 常见格式

.pdparams：保存参数权重的文件格式。

2. 安装PaddleDetection

Python版本：python <= 3.10；

PaddlePaddle

PaddlePaddle版本：[PaddlePaddle/PaddleDetection]，需要到安装说明中查看，一般是在满足最低版本要求后安装最新的稳定版本；
PaddlePaddle安装：开始使用_飞桨

3. 数据集设置：COCO

数据集目录结构如下：

PaddleDetection
└── dataset
    └── coco
        ├── train2017
        ├── val2017 
        └── annotations  

4. 模型训练/评估/预测

train.py —— 模型训练

python -m paddle.distributed.launch --gpus 0,1,2,3,4,5,6,7 tools/train.py -c configs/ppyoloe/ppyoloe_plus_crn_l_80e_coco.yml --eval --amp

-c：指定配置文件

-r: resume，恢复训练

后面加上存档的epoch索引（从0开始）；

infer.py —— 模型预测

# 预测
python tools/infer.py -c configs/faster_rcnn_r50_1x.yml --infer_img=demo/000000570688.jpg

# 在CPU上进行推理
python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=false weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg
# CPU推理需要显式指定：use_gpu=false
# demo/000000014439.jpg已经内置在PaddleDetection的repo文件夹中

Note：在output目录下生成的同名的测试文件会被替换。

4 模型配置说明

4.2 模型设置：model.yml

在PaddleDetection使用model.yml来配置模型的结构，配置文件的路径一般如下所示：

PaddleDetection/configs/model/model_***_coco.yml

模型参数：

• Model：模型整体设置
• Backbone：主干网络设置
• PostProcess：后处理操作，（仅用于“CornerNet”模型）

4.2.1 模型类设置：Model

输入参数：

• backbone：主干网络类名
• neck：检测颈类名
• head：检测头类名

4.2.2 主干类设置：Backbone

输入参数：

• depth：主干网络深度
• variant：变体型号
• norm_type：归一化层类名

4.2.2 检测颈设置：Neck

输入参数：

• in_channels：list，输入通道数
• out_channel：int，输出通道数（所有输出stage的通道数一样）
• extra_stage：额外输出的层数

FPN：特征金字塔

Note
FPN模块在初始化时，会使用backbone输出的out_shape更新FPN的输入参数，而导致config中FPN.in_channels的设置失效。

4.3 优化器设置：optimizer.yml

5 代码文件说明

5.1 configs/rotate：旋转框数据集处理

5.1.1 configs/rotate/tools：旋转框处理工具

configs/rotate/tools/prepare_data.py: 进行DOTA数据集的切图处理

5.2 ppdet/utils：训练和调优的工具类和函数

5.2.1 utils/checkpoint.py

load_weight()：载入模型权重

存档权重的格式要求是.pdparams；

5.2 ppdet/optimizer.py：优化器设置

ppdet/optimizer.py包含了PaddleDetection优化器的设置代码；