建站之星换模板,溧阳企业网站建设,国内精自品线一区91制片,ps网页设计步骤及方法简介
本项目使用深度学习目标检测开源框架PaddleDetection中的yolox算法实现了垃圾检测#xff0c;本文包含了从头训练yolox模型和直接使用训练好的模型进行推理的代码及相关权重。
一、数据集准备
本次训练的数据集为coco格式#xff0c;共包含150张垃圾的照片#xff0…简介
本项目使用深度学习目标检测开源框架PaddleDetection中的yolox算法实现了垃圾检测本文包含了从头训练yolox模型和直接使用训练好的模型进行推理的代码及相关权重。
一、数据集准备
本次训练的数据集为coco格式共包含150张垃圾的照片如下图所示 数据集链接传送门
二、准备PaddleDetection
在训练yolox之前先准备PaddleDetection环境。
1、下载PaddleDetection
从github下载PaddleDetection
git clone https://github.com/PaddlePaddle/PaddleDetection.git
2、安装依赖
安装依赖包
cd PaddleDetection
pip install -r requirements.txt
3、安装PaddleDetection
python setup.py install
三、训练YOLOX
提示使用作者提供的模型进行垃圾检测推理请跳过此步骤。
准备好数据集和PaddleDetection之后就可以训练模型了。
1、准备配置文件
为了防止数据集路径配置错误建议将垃圾数据集路径配置为PaddleDetection/dataset/trash_dataset该目录下包含Annotations和Images两个文件夹Images里面有150个垃圾图片Annotations里面有json标注文件。PaddleDetection/dataset目录结构如下 数据集位置确定以后打开PaddleDetection/configs/dataset/coco_detection.yml修改dataset_dir设置修改为自己的数据集路径如果使用我一样的数据集路径那么配置文件的内容如下
metric: COCO
num_classes: 1TrainDataset:!COCODataSetimage_dir: Imagesanno_path: Annotations/train.jsondataset_dir: dataset/trash_datasetdata_fields: [image, gt_bbox, gt_class, is_crowd]EvalDataset:!COCODataSetimage_dir: Imagesanno_path: Annotations/val.jsondataset_dir: dataset/trash_datasetTestDataset:!ImageFolderimage_dir: Imagesanno_path: Annotations/test.json # also support txt (like VOCs label_list.txt)dataset_dir: dataset/trash_dataset # if set, anno_path will be dataset_dir/anno_path2、训练YOLOX
PaddleDetection/configs/yolox目录下有多个yolox模型的配置文件可以根据自己的需要选择合适的模型这里使用yolox_tiny_300e_coco.yml配置文件进行训练相关参数可以自行修改命令如下在PaddleDetection目录下
python tools/train.py -c configs/yolox/yolox_tiny_300e_coco.yml
3、验证
训练好了模型以后需要验证训练的模型精度命令如下weights指向训练好的权重路径
python tools/eval.py -c configs/yolox/yolox_tiny_300e_coco.yml -o weightsoutput/yolox_tiny_300e_coco/model_final.pdparams
四、模型预测
本章节使用训练好的模型进行推理命令如下在PaddleDetection目录下运行
python tools/infer.py -c configs/yolox/yolox_tiny_300e_coco.yml --infer_imgtestImage/0f16-hzmafvm6151836.jpg -o weightoutput/yolox_tiny_300e_coco/model_final.pdparams
本文代码、数据集、测试图片、训练好的权重都可以在链接【使用PaddleDetection实现垃圾检测】下载按照【二、准备PaddleDetection】配置好环境即可直接运行。
原图为 预测结果为 五、参考
https://aistudio.baidu.com/aistudio/projectdetail/3846170?channelType0channel0
