国产成人AV综合亚洲色欲,国产自产嫩模一二区,a级黑粗大硬长爽猛出猛进

Pytoorch輕松學(xué) – RetinaNet自定義對(duì)象檢測

2017發(fā)布，實(shí)現(xiàn)了一階段網(wǎng)絡(luò)首次在精度方面超過二階段網(wǎng)絡(luò)的經(jīng)典網(wǎng)絡(luò)，作者最大的一個(gè)創(chuàng)新就是在訓(xùn)練損失函數(shù)方面，論文比較了CE、BCE、以及論文提出感知損失函數(shù)（FL），最后說明感知損失可以有效解決一階段網(wǎng)絡(luò)訓(xùn)練中的樣本不平衡現(xiàn)象，從而取得更佳的訓(xùn)練效果。論文中提出的感知損失函數(shù)如下：

最終RetinaNet網(wǎng)絡(luò)結(jié)構(gòu)如下：

數(shù)據(jù)集準(zhǔn)備與制作

自己百度收集了一個(gè)無人機(jī)與飛鳥的數(shù)據(jù)集，其中訓(xùn)練集270張圖像，測試集26張圖像。

使用labelImg工具完成標(biāo)注，工具下載地址：

https://gitee.com/opencv_ai/opencv_tutorial_data/tree/master/tools

三：模型訓(xùn)練

制作好數(shù)據(jù)集之后，模型訓(xùn)練就成為一件很簡單事情，基于OpenMV工具軟件，零代碼即可實(shí)現(xiàn)模型訓(xùn)練。運(yùn)行下面界面如下：

總計(jì)訓(xùn)練了25個(gè)輪次以后，發(fā)現(xiàn)效果已經(jīng)是相當(dāng)?shù)牟诲e(cuò)了，直接導(dǎo)出ONNX格式RetinaNet模型文件。把模型轉(zhuǎn)換為ONNX格式，Pytorch是原生支持的，只需要把通過torch.onnx.export接口，填上相關(guān)的參數(shù)，然后直接運(yùn)行就可以生成ONNX模型文件。相關(guān)的轉(zhuǎn)換代碼如下：

model=tv.models.detection.retinanet_resnet50_fpn(pretrained=True)
dummy_input=torch.randn(1,3,1333,800)
model.eval()
model(dummy_input)
im=torch.zeros(1,3,1333,800).to("cpu")
torch.onnx.export(model,im,
"retinanet_resnet50_fpn.onnx",
verbose=False,
opset_version=11,
training=torch.onnx.TrainingMode.EVAL,
do_constant_folding=True,
input_names=['input'],
output_names=['output'],
dynamic_axes={'input':{0:'batch',2:'height',3:'width'}}
)

運(yùn)行時(shí)候控制臺(tái)會(huì)有一系列的警告輸出，但是絕對(duì)不影響模型轉(zhuǎn)換，影響不影響精度我還沒做個(gè)仔細(xì)的對(duì)比。模型轉(zhuǎn)換之后，可以直接查看模型的輸入與輸出結(jié)構(gòu)，圖示如下：

推理運(yùn)行

推理部分的代碼很簡單，只有三十幾行，Python就是方便使用，這里最需要注意的是輸入圖像的預(yù)處理必須是RGB格式，需要歸一化到0~1之間。對(duì)得到的三個(gè)輸出層分別解析，就可以獲取到坐標(biāo)（boxes里面包含的實(shí)際坐標(biāo)，無需轉(zhuǎn)換）。基于OpenMV工具軟件，可以實(shí)現(xiàn)一鍵零代碼推理演示，效果如下：

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。舉報(bào)投訴