目录

1. EfficientDet-pytorch版本代码下载

2.数据集准备 

2.1数据集格式 

2.2 定义自己数据集的yml文件

3. 训练配置 

4.模型评估

5.测试模型性能

---

 

1. EfficientDet-pytorch版本代码下载

GitHub - zylo117/Yet-Another-EfficientDet-Pytorch: The pytorch re-implement of the official efficientdet with SOTA performance in real time and pretrained weights.

2.数据集准备 

2.1数据集格式 

        EfficientDet 数据集是coco数据集格式，即xxx.json文件，数据集准备如下 

 zylo117 作者给出的数据集格式如下

 下面是安照作者的格式构造的数据集，标签放在annotations文件夹中，train、valid存放的是图片，自己创建datasets/data/, github作者代码上是没有这个文件夹的，但代码里默认从这个文件夹读取数据集，json文件的名字命名也要一样，因为代码里名字已经写好的。上面原作者的写的your_project_name 就是下图中的data

 

2.2 定义自己数据集的yml文件

         yml文件名字和 your_project_name 一样，也就是上面的data,文件内容如下。可以从原来的coco.yml文件复制修改。

 至此，数据集已经准备完毕

3. 训练配置 

        主要指定-p,-c参数即可，-p就是你的数据集名字，也就是上面的data，-c 是使用EfficientDet D0~D7的哪个模型，默认使用D0，Window下num_workers = 0. 

        使用pycharm训练 ，python包缺少什么就安装什么

 编译成功界面如下：

 

4.模型评估

        原作者的教程，-p,-c参数上面已经讲过，-w参数指训练结束后的权重文件保存路径

5.测试模型性能

     使用的测试文件如下 

        载入图片路径 

 

         使用到的权重文件名字，如果名字是efficientdet-d0_90.pth，则修改如下