第五十七回三山聚义打青州众虎同心归水泊-飞桨目标检测套件PaddleDetection初探

本文主要是介绍第五十七回三山聚义打青州众虎同心归水泊-飞桨目标检测套件PaddleDetection初探，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

杨志说，要打青州，需要大队人马，请孔亮亲自星夜去梁山泊请宋江，咱们大伙再集中起来，一起打青州。于是孔亮就去找宋江，把叔叔孔宾和哥哥孔明被抓的事情讲给宋江听，宋江将这事再告知各位头领。晁盖准备自己带兵下山，宋江说哥哥是山寨之主，不可轻动。于是还是宋江带队。

宋江到了青州，与武松、鲁智深、杨志、李忠、周通、施恩、曹正等人相见。吴用和宋江制定了计策。

一天，呼延灼收到报信说城北门外土坡上，有三个人骑马在那里看城，中间一个穿红袍骑白马的，两边一个是小李广花荣，左边是道士打扮。呼延灼说那个穿红色的应该是宋江，于是带了一百骑兵去追，结果掉入陷阱，连人带马被抓住了。

宋江亲自扶呼延灼坐上位，行拜见之礼。然后三言两句，就把呼延灼说动，投奔了梁山。呼延灼带了十位头领，扮做军士模样，骗知府开了城门，大家杀进了城，救出了孔宾孔明。慕容知府一家老幼都被斩。

李忠、鲁智深等三山人马也都跟着宋江回到梁山。

宋江人马越来越多，飞桨AI训练越来越容易！

飞桨目标检测套件PaddleDetection初探

PaddleDetection是一个基于PaddlePaddle的目标检测端到端开发套件，在提供丰富的模型组件和测试基准的同时，注重端到端的产业落地应用，通过打造产业级特色模型|工具、建设产业应用范例等手段，帮助开发者实现数据准备、模型选型、模型训练、模型部署的全流程打通，快速进行落地应用。

参考自：https://github.com/PaddlePaddle/PaddleDetection/docs/tutorials/QUICK_STARTED_cn.md

编译安装PaddleDetection

下载源代码
git clone https://github.com/PaddlePaddle/PaddleDetection
安装库

其中的numba可不安装，但是会报警。
cd PaddleDetection && pip install -r requirements.txt
pip install numba
单图片目标检测
cd PaddleDetection && python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg
检测后的图片会生成在output目录，可以看到检测出来的物体都打上了框。

训练评估预测全流程跑一遍

1、开始训练

使用套件非常简单方便，会自动下载训练数据集。
# 边训练边测试 CPU需要约1小时，估计不止(use_gpu=false)，V100 GPU 16G需要约30分钟
# -c 参数表示指定使用哪个配置文件
# -o 参数表示指定配置文件中的全局变量（覆盖配置文件中的设置），这里设置使用gpu
# --eval 参数表示边训练边评估，最后会自动保存一个名为model_final.pdparams的模型cd PaddleDetection && python tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml --eval -o use_gpu=true
如果想通过VisualDL实时观察loss变化曲线，在训练命令中添加--use_vdl=true，以及通过--vdl_log_dir设置日志保存路径。

但注意VisualDL需Python>=3.5

首先安装VisualDL

python -m pip install visualdl -i https://mirror.baidu.com/pypi/simple

然后在命令中加入--use_vdl=true：
python -u tools/train.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml \
                        --use_vdl=true \
                        --vdl_log_dir=vdl_dir/scalar \
                        --eval
这样就能通过visualdl实时查看变化曲线：

visualdl --logdir vdl_dir/scalar/ --host <host_IP> --port <port_num>

2、评估
# 评估 默认使用训练过程中保存在output目录的model_final.pdparams
# -c 参数表示指定使用哪个配置文件
# -o 参数表示指定配置文件中的全局变量（覆盖配置文件中的设置）
# 目前只支持单卡评估cd PaddleDetection && python tools/eval.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true -o weights=output/model_final
最终模型精度在mAP=0.85左右，由于数据集较小因此每次训练结束后精度会有一定波动

3、预测
# -c 参数表示指定使用哪个配置文件
# -o 参数表示指定配置文件中的全局变量（覆盖配置文件中的设置）
# --infer_img 参数指定预测图像路径
# 预测结束后会在output文件夹中生成一张画有预测结果的同名图像cd PaddleDetection && python tools/infer.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true --infer_img=demo/road554.png -o weights=output/model_final
可以看到输出的文件已经识别出来交通标志了。

整个过程是不是非常简单？在实际应用中，针对自己需求，创建数据集后，再来一遍训练、评估、预测流程即可训出自己的模型。