目录
1.安装NanoDet
1.1官网下载NanoDet
1.2 创建虚拟conda环境
1.3安装Pytorch库
2.侦测
3.训练
3.1yml文件修改
3.训练
3.1yml文件修改
轻量级模型
NanoDet-m
目标检测框架:
YOLO
、
SSD
、
Fast R-CNN
等模型
;但模型太大,不适合移植到移动端或嵌入式设备,
所以需要
轻量级模型
NanoDet-m
,对单阶段检测模型三大模块
(Head
、
Neck
、
Backbone)
进行轻量
化,目标加检测速度很快
;
模型文件大小仅几兆
(
小于
4M)
。
NanoDet-Plus
是
NanoDet
的升级。
DBFace-Loss:DBFace
是用于人脸检测的轻量级网络,可部署于移动端实时运行。
骨干网络为
CenterNet
囚,对比
yolo
,
faster_rcnn
等目标检测网络,
CenterNet
具有结构简单优雅,构
建简单,数据处理简单,直接检测目标的中心及方框位置的特点。可以说,它放弃了之前一直被使用
的
AnchorBox
,直接输出预测框的坐标,而不需通过
Anchorbox
进行转换。它也将输出分为多个
gridQ cell
,每个
grid cell
对应原输入图的对应像素区域。
WingLoss
:解决目标大小的问题
人脸检测:检测
7
个点,框的
2
个点,五官
5
个点
1.安装NanoDet
RangiLyu/nanodet: NanoDet-Plus
⚡
Super fast and lightweight anchor-free object detection
model.
🔥
Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone
🔥
(github.com)
1.1官网下载NanoDet
1.2 创建虚拟conda环境
conda create -n nanodet python=3.8 -y
# FinalShell
创建环境后需要
conda init
再断开连接,重新连接
,
再激活环境
conda activate nanodet
1.3安装Pytorch库
Pytorch
库
>=1.10.0 , <2.0.0
pytoch
官网取下载
Pytorch1.13.1 cuda11.7
版本
Previous PyTorch Versions | PyTorch
conda create -n nanodet python=3.8 -y
# FinalShell
创建环境后需要
conda init
再断开连接,重新连接
,
再激活环境
conda activate nanodet
# CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117
#Liunx
上
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.1 -c pytorch
2.侦测
python demo/demo.py image --config config/nanodet-plus-m-1.5x_320.yml --model
weight/nanodet-plus-m-1.5x_320.pth --path demo_mnn/imgs/000252.jpg --save_result
侦测成功,代表环境配置
ok
3.训练
3.1yml文件修改
参考
# 后续操作
3.Clone this repository
git clone https://github.com/RangiLyu/nanodet.git
cd nanodet
4.Install requirements
pip install -r requirements.txt
5.Setup NanoDet
python setup.py develop
# 下载失败可能是网络问题, 更换镜像源
-i https://pypi.tuna.tsinghua.edu.cn/simple
3.训练
3.1yml文件修改
参考
3.2
在终端进行训练
python tools/train.py config/my_nanodet-plus-m-1.5x_320.yml
#
Liunx
上离线训练
nohup python train.py
1.
在后台跑
nohup train.py &
2.
显示日志
tail -n 100 -f nohup.out
3.
查看进程
ps -aux
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND
用户
进程
ID
cpu
占用率
内存占用率
虚拟内存
物理内存
tty
……
干掉进程
在服务器上
问题
1
:
解决办法:
S2:
安装
opencv-python-headless
apt-get update && apt-get install -y opencv-python-headlesspip install opencv-python-headless
S3:
仅安装依赖项
(libgl1)
以上所有解决方案都将安装
cv2
依赖项,从而增加图像大小。
如果您不想增加图像大小,则可以通过安装
libgl1
依赖项来解决问题,如下所示。这不是推荐的解决方
案,但如果您只是获得
Importerror: libgl.so.1
apt-get update && apt-get install libgl1