01-AI-神经网络-视觉-PaddleDetection交通信号灯的目标检测的模型训练(平台提供的数据集)
全文目录,一步到位
- 1.前言简介
-
- 1.1 专栏传送门
- 1.2 配置介绍
- 1.3 官网文档地址
- 2. PaddleDecection环境安装
-
- 2.1 创建并使用conda python使用3.10
- 2.2 拉取项目
- 2.3 构建项目运行环境
-
- 2.3.1 项目根路径下运行一下指令
- 2.3.2 执行setup.py 解决找不到paddle相关包问题
- 2.4 测试执行效果
- 3. 数据集下载与制作(会有单独一期,重点)
-
- 3.1 voc数据集
-
- 3.1.0 标注工具 labelimg
- 3.1.1 使用提供的公共数据集
- 3.1.2 结构如下
- 3.2 coco数据集(TODO)
-
- 3.2.1
- 4. 模型操作
-
- 4.1 模型训练
-
- 4.1.0 修改配置文件(TODO)
- 4.1.1 单卡训练
- 4.1.2 多卡(略 看官方吧)
- 4.1.3 配置训练曲线图 - loss与mAP变化趋势
- 4.2 曲线图 - loss与mAP变化趋势查看
- 4.3 模型图像推理
- 4.4 模型评估
- 4.5 模型导出
-
- 4.5.1 问题: 模型训练后就可以使用 为什么需要导出?
- 4.5.2 模型导出指令
- 4.6 模型使用(TODO)
- 4.7 python代码如何使用(TODO)
1.前言简介
目标检测 -demo - 交通信号灯. 停车标识 等目标提取
特别说明一下: 此案例与数据集均为官方提供的案例
本篇也仅仅只是先用这个案例作为开头去制作自己的目标检测模型
步骤均是实时操作的记录, 下一篇介绍如何标注和训练自己的模型
数据集- 公共数据集
1.1 专栏传送门
1.2 配置介绍
办公电脑配置: 辣鸡电脑用cpu也能跑训练 慢
训练算力: linux Ubuntu 电脑配置
RTX4090确实好用嘿嘿
1.3 官网文档地址
⇒ 官方地址传送门 <==</