我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

AdelaiDet

2022-01-12 adeladet:ubuntu18.04-cuda11.1.1-cudnn8-python3.8-pytorch1.8.0

模型标签
目标检测安防监控智慧交通/自动驾驶图像搜索

模型简介

AdelaiDet是一个开源工具箱,用于Detectron2之上的多实例级识别任务。我们集团的所有实例级识别工作都是在这里开源的。如需预训练权重文件,可自行到:https://github.com/aim-uofa/AdelaiDet/blob/master/MODEL_ZOO.md 下载上传使用。官方论文:https://arxiv.org/abs/2105.03620



1. 使用方法

1.1. 使用预训练模型推断

可以使用/root/AdelaiDet/demo/demo.py文件进行推断。
在目录/root/AdelaiDet的终端下,输入下列代码,使用预训练权重文件:

使用权重文件一般放在modelsets/AdelaiDet下的不同模型文件夹下,以AdelaiDet的预训练权重为例。
运行下列代码执行 demo.py,其中input、output需自己指定路径,预训练模型需对应路径。

# 示例
python demo/demo.py --config-file configs/FCOS-Detection/R_50_1x.yaml --input 1.jpg --output output --opts MODEL.WEIGHTS /modelsets/AdelaiDet/FCOS/fcos_R_50_1x.pth

1.2. 准备数据集

 build coco2014 link:

ln -s /datasets/coco2014/train2014 /root/AdelaiDet/datasets/coco/train2014
ln -s /datasets/coco2014/test2014 /root/AdelaiDet/datasets/coco/test2014
ln -s /datasets/coco2014/val2014 /root/AdelaiDet/datasets/coco/val2014
ln -s /datasets/coco2014/annotations /root/AdelaiDet/datasets/coco/annotations

tips:需要更改yaml文件下的路径。 示例: 修改root/AdelaiDet/configs/Condlnst/Base-Condlnst.yaml

DATASETS: 
TRAIN: ("coco_2014_train",) 
TEST: ("coco_2014_val",) 

1.3. 模型训练

在/root/AdelaiDet文件夹下的终端中输入:

train run:
OMP_NUM_THREADS=1 python tools/train_net.py \
    --config-file configs/CondInst/MS_R_50_1x.yaml \
    --num-gpus 8 \
    OUTPUT_DIR training_dir/CondInst_MS_R_50_1x 

具体usage,按需调整:

usage: train_net.py [-h] [--config-file FILE] [--resume] [--eval-only] [--num-gpus NUM_GPUS] [--num-machines NUM_MACHINES] [--machine-rank MACHINE_RANK] [--dist-url DIST_URL] ...

positional arguments:
  opts                  Modify config options at the end of the command. For Yacs configs, use space-separated "PATH.KEY VALUE" pairs. For python-based LazyConfig, use
                        "path.key=value".

optional arguments:
  -h, --help            show this help message and exit
  --config-file FILE    path to config file
  --resume              Whether to attempt to resume from the checkpoint directory. See documentation of `DefaultTrainer.resume_or_load()` for what it means.
  --eval-only           perform evaluation only
  --num-gpus NUM_GPUS   number of gpus *per machine*
  --num-machines NUM_MACHINES
                        total number of machines
  --machine-rank MACHINE_RANK
                        the rank of this machine (unique per machine)
  --dist-url DIST_URL   initialization URL for pytorch distributed backend. See https://pytorch.org/docs/stable/distributed.html for details.

Examples:

Run on single machine:
    $ tools/train_net.py --num-gpus 8 --config-file cfg.yaml

Change some config options:
    $ tools/train_net.py --config-file cfg.yaml MODEL.WEIGHTS /path/to/weight.pth SOLVER.BASE_LR 0.001

1.4. 预训练模型权重文件路径

在路径/modelsets/AdelaiDet下。
选择自己需要模型的预训练权重。

2. 来源

https://github.com/aim-uofa/AdelaiDet