الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

SSD: كاشف كائن متعدد اللقطة ، في Pytorch

تنفيذ Pytorch لكاشف متعدد اللقطات من ورقة 2016 التي كتبها Wei Liu و Dragomir Anguelov و Dumitru Erhan و Christian Szegedy و Scott Reed و Cheng-Yang و Alexander C. Berg. يمكن العثور على رمز الكافيين الرسمي والأصلي هنا.

جدول المحتويات

  • تثبيت
  • مجموعات البيانات
  • يدرب
  • يقيم
  • أداء
  • العروض التوضيحية
  • العمل المستقبلي
  • مرجع

تثبيت

  • قم بتثبيت Pytorch عن طريق اختيار بيئتك على موقع الويب وتشغيل الأمر المناسب.
  • استنساخ هذا المستودع.
    • ملاحظة: نحن حاليًا ندعم Python 3+ فقط.
  • ثم قم بتنزيل مجموعة البيانات باتباع الإرشادات أدناه.
  • نحن الآن ندعم Visdom لتصور الخسارة في الوقت الفعلي أثناء التدريب!
    • لاستخدام Visdom في المتصفح: 
     # First install Python server and client
pip install visdom
# Start the server (probably in a screen or tmux)
python -m visdom.server
    • ثم (أثناء التدريب) انتقل إلى http: // localhost: 8097/(انظر قسم القطار أدناه للحصول على تفاصيل التدريب).
  • ملاحظة: للتدريب ، ندعم حاليًا VOC و Coco ، ونهدف إلى إضافة دعم ImageNet قريبًا.

مجموعات البيانات

لتسهيل الأمور ، نوفر برامج نصية Bash للتعامل مع تنزيلات مجموعة البيانات والإعداد لك. نحن نقدم أيضًا لوادر مجموعات بيانات بسيطة ترث torch.utils.data.Dataset ، مما يجعلها متوافقة تمامًا مع واجهة برمجة تطبيقات torchvision.datasets .

كوكو

Microsoft Coco: كائنات شائعة في السياق

تنزيل Coco 2014 
 # specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/COCO2014.sh

مجموعة بيانات VOC

Pascal VOC: فئات الكائنات المرئية

تنزيل Voc2007 Trainval واختبار 
 # specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/VOC2007.sh # <directory>
تنزيل Voc2012 Trainval 
 # specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/VOC2012.sh # <directory>

تدريب SSD

  • قم أولاً بتنزيل أوزان شبكة VGG-16 Pytorch Reduced FG-16 على: https://s3.amazonaws.com/amdegroot-models
  • بشكل افتراضي ، نفترض أنك قمت بتنزيل الملف في ssd.pytorch/weights dir: 
mkdir weights
cd weights
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth
  • لتدريب SSD باستخدام البرنامج النصي للقطار ببساطة حدد المعلمات المدرجة في train.py كعلم أو تغييرها يدويًا. 
python train.py
  • ملحوظة:
    • للتدريب ، ينصح بشدة وحدة معالجة الرسومات NVIDIA بالسرعة.
    • للحصول على تعليمات حول استخدام/التثبيت في Visdom ، راجع قسم التثبيت.
    • يمكنك التقاط التدريب من نقطة تفتيش عن طريق تحديد المسار كأحد معلمات التدريب (مرة أخرى ، انظر train.py للحصول على الخيارات)

تقييم

لتقييم شبكة مدربة: 

python eval.py

يمكنك تحديد المعلمات المدرجة في ملف eval.py عن طريق وضع علامة عليها أو تغييرها يدويًا.

أداء

اختبار VOC2007

رسم خريطة
إبداعي تحويل الأوزان weiliu89 من الصفر مع بيانات Aug من نقطة الصفر ث/ أغسطس
77.2 ٪ 77.26 ٪ 58.12 ٪ 77.43 ٪
FPS

GTX 1060: ~ 45.45 إطارًا في الثانية

العروض التوضيحية

استخدم شبكة SSD التي تم تدريبها مسبقًا للكشف

قم بتنزيل شبكة تم تدريبها مسبقًا

  • نحن نحاول توفير Pytorch state_dicts (Dict of Weight Metensors) من أحدث تعريفات نموذج SSD المدربة على مجموعات بيانات مختلفة.
  • حاليًا ، نقدم نماذج Pytorch التالية:
    • تم تدريب SSD300 على Voc0712 (أحدث أوزان Pytorch)
      • https://s3.amazonaws.com/amdegroot-models/ssd300_map_77.43_v2.pth
    • SSD300 المدرب على VOC0712 (أوزان الكافيين الأصلية)
      • https://s3.amazonaws.com/amdegroot-models/ssd_300_voc0712.pth
  • هدفنا هو إعادة إنتاج هذا الجدول من الورقة الأصلية

جرب دفتر الملاحظات التجريبية

  • تأكد من تثبيت دفتر Notebook Jupyter.
  • اثنين من البديل لتثبيت دفتر Jupyter:

    1. إذا قمت بتثبيت Pytorch مع conda (موصى بها) ، فيجب أن يكون لديك بالفعل. (فقط انتقل إلى ssd.pytorch cloned repo and Run): jupyter notebook

    2. إذا كنت تستخدم PIP: 

 # make sure pip is upgraded
pip3 install --upgrade pip
# install jupyter notebook
pip install jupyter
# Run this inside ssd.pytorch
jupyter notebook
  • انتقل الآن إلى demo/demo.ipynb على http: // localhost: 8888 (افتراضيًا) واحصل عليه!

جرب عرض كاميرا الويب

  • يعمل على وحدة المعالجة المركزية (قد تضطر إلى تعديل cv2.waitkey من أجل FPS المثلى) أو على وحدة معالجة الرسومات NVIDIA
  • يتطلب هذا العرض التوضيحي حاليًا روابط OpenCV2+ W/ Python وكاميرا ويب على متن الطائرة
    • يمكنك تغيير كاميرا الويب الافتراضية في demo/live.py
  • قم بتثبيت حزمة ImuTils للاستفادة من الخيوط المتعددة على وحدة المعالجة المركزية:
    • pip install imutils
  • تشغيل python -m demo.live يفتح كاميرا الويب ويبدأ في اكتشاف!

تودو

لقد تراكمنا قائمة المهام التالية ، والتي نأمل أن نكتملها في المستقبل القريب

  • لا يزال قادمًا:
    • دعم مجموعة بيانات MS Coco
    • دعم التدريب والاختبار SSD512
    • دعم التدريب على مجموعات البيانات المخصصة

المؤلفون

  • ماكس ديجرووت
  • إليس براون

ملاحظة: لسوء الحظ ، هذه مجرد هواية لنا وليست وظيفة بدوام كامل ، لذلك سنبذل قصارى جهدنا للحفاظ على الأمور محدثة ، ولكن لا توجد ضمانات. ومع ذلك ، شكرًا للجميع على مساعدتكم وردود الفعل المستمرة كما هو موضع تقدير حقًا. سنحاول معالجة كل شيء في أقرب وقت ممكن.

مراجع

  • وي ليو ، وآخرون. "SSD: كاشف متعدد اللقطات." ECCV2016.
  • التنفيذ الأصلي (CAFFE)
  • شكراً جزيلاً لأليكس كولتون وفريقه في Webyclip لمساعدتهما في الانتهاء من جزء تكبير البيانات.
  • قائمة من منافذ SSD الرائعة الأخرى التي كانت مصادر الإلهام (وخاصة ريبو Chainer):
    • Chainer ، Keras ، Mxnet ، TensorFlow
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل