ssd.pytorch download ssd.pytorch 소스 코드 다운로드

ssd.pytorch

파이썬

1.0.0

다운로드

SSD : Pytorch의 단일 샷 Multibox 객체 검출기

Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang 및 Alexander C. Berg의 2016 년 논문의 단일 샷 멀티 빅 검출기의 Pytorch 구현. 공식 및 원본 카페 코드는 여기에서 찾을 수 있습니다.

설치

웹 사이트에서 환경을 선택하고 적절한 명령을 실행하여 Pytorch를 설치하십시오.
이 저장소를 복제하십시오.
- 참고 : 현재 Python 3+ 만 지원합니다.
그런 다음 아래 지침에 따라 데이터 세트를 다운로드하십시오.
우리는 이제 훈련 중 실시간 손실 시각화를위한 볼로를 지원합니다!
- 브라우저에서 볼 수 있도록 :
```
 # First install Python server and client
pip install visdom
# Start the server (probably in a screen or tmux)
python -m visdom.server
```
- 그런 다음 (훈련 중에) http : // localhost : 8097/로 이동하십시오 (교육 세부 사항은 아래 열차 섹션 참조).
참고 : 훈련을 위해 현재 VOC 및 Coco를 지원하며 곧 Imagenet 지원을 추가하는 것을 목표로합니다.

데이터 세트

쉬운 일을하기 위해 데이터 세트 다운로드를 처리하고 설정하는 Bash 스크립트를 제공합니다. 또한 torch.utils.data.Dataset 상속하는 간단한 데이터 세트 로더를 제공하여 torchvision.datasets API와 완전히 호환됩니다.

머리

Microsoft Coco : 맥락에서 일반적인 개체

Coco 2014를 다운로드하십시오

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

VOC 데이터 세트

Pascal Voc : Visual Object 클래스

VOC2007 TRAINVAL & TEST를 다운로드하십시오

 # specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/VOC2007.sh # <directory>

VOC2012 TRAINVAL을 다운로드하십시오

 # specify a directory for dataset to be downloaded into, else default is ~/data/
sh data/scripts/VOC2012.sh # <directory>

훈련 SSD

먼저 FC- 감소 된 VGG-16 Pytorch Base Network Weights at : https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth
기본적으로 ssd.pytorch/weights dir에서 파일을 다운로드했다고 가정합니다.

mkdir weights
cd weights
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

기차 스크립트를 사용하여 SSD를 훈련 시키려면 train.py 에 나열된 매개 변수를 플래그로 지정하거나 수동으로 변경하십시오.

python train.py

메모:
- 훈련을 위해 NVIDIA GPU는 속도에 강력히 권장됩니다.
- 볼 사용/설치에 대한 지침은 설치 섹션을 참조하십시오.
- 경로를 훈련 매개 변수 중 하나로 지정하여 검사 점에서 픽업 교육을받을 수 있습니다 (다시, 옵션은 train.py 참조)

평가

훈련 된 네트워크를 평가하려면 :

python eval.py

표시를 표시하거나 수동으로 변경하여 eval.py 파일에 나열된 매개 변수를 지정할 수 있습니다.

성능

VOC2007 테스트

지도

원래의	변환 된 weiliu89 무게	데이터 w/o 데이터 8 월	데이터가있는 처음부터 8 월
77.2 %	77.26 %	58.12%	77.43 %

fps

GTX 1060 : ~ 45.45 fps

시민

감지를 위해 미리 훈련 된 SSD 네트워크를 사용하십시오

미리 훈련 된 네트워크를 다운로드하십시오

우리는 다른 데이터 세트에 대해 훈련 된 최신 SSD 모델 정의에 대한 pytorch state_dicts (중량 텐서)를 제공하려고 노력하고 있습니다.
현재 우리는 다음과 같은 Pytorch 모델을 제공합니다.
- SSD300은 VOC0712에 대한 교육 (최신 Pytorch weights)
  - https://s3.amazonaws.com/amdegroot-models/ssd300_map_77.43_v2.pth
- SSD300은 VOC0712 (원래 Caffe Weights)에 대한 교육
  - https://s3.amazonaws.com/amdegroot-models/ssd_300_voc0712.pth
우리의 목표는 원래 논문 에서이 테이블을 재현하는 것입니다.

데모 노트북을 사용해보십시오

Jupyter 노트가 설치되어 있는지 확인하십시오.
Jupyter Notebook 설치를위한 두 가지 대안 :
1. Conda (권장)로 Pytorch를 설치 한 경우 이미 가져야합니다. (ssd.pytorch 클로닝 리포지토리 및 실행으로 이동) : jupyter notebook
2. PIP를 사용하는 경우 :

 # make sure pip is upgraded
pip3 install --upgrade pip
# install jupyter notebook
pip install jupyter
# Run this inside ssd.pytorch
jupyter notebook

이제 http : // localhost : 8888 (기본적으로)에서 demo/demo.ipynb 로 이동하여 그에 대해 이동하십시오!

웹캠 데모를 사용해보십시오

CPU (최적의 FPS를 위해 cv2.waitkey 조정해야 할 수도 있음) 또는 NVIDIA GPU에서 작동합니다.
이 데모는 현재 OpenCV2+ W/ Python 바인딩 및 온보드 웹캠이 필요합니다.
- demo/live.py 에서 기본 웹캠을 변경할 수 있습니다
CPU에서 멀티 스레딩을 활용하려면 iMutils 패키지를 설치하십시오.
- pip install imutils
python -m demo.live 실행 웹캠이 열리고 감지를 시작합니다!

TODO

우리는 다음과 같은 할 일 목록을 축적했습니다. 가까운 시일 내에 완료하기를 희망합니다.

여전히 올 것 :
- MS Coco 데이터 세트 지원
- SSD512 교육 및 테스트 지원
- 맞춤형 데이터 세트에 대한 교육 지원

저자

맥스 디그 루트
엘리스 브라운

참고 : 불행히도, 이것은 우리의 취미 일 뿐이며 풀 타임 직업이 아니므로, 우리는 최선을 다해 최신 상태를 유지하지만 보장은 없습니다. 즉, 당신의 지속적인 도움과 피드백에 감사드립니다. 정말 감사합니다. 우리는 가능한 한 빨리 모든 것을 해결하려고 노력할 것입니다.