目标检测实战教程03-PaddleDetection配置文件详细介绍

为成大道踏平坎坷

已于 2022-05-24 10:17:44 修改

阅读量3.4k

点赞数 6

CC 4.0 BY-SA版权

分类专栏：目标检测文章标签：目标检测深度学习计算机视觉 paddledetection 数据增强

于 2022-05-16 22:53:22 首次发布

本文链接：https://blog.youkuaiyun.com/effort_study/article/details/124810188

目标检测实战教程03-PaddleDetection配置文件详细介绍

去B站看全集教程
paddledetection配置文件详细介绍

数据集配置文件

# 数据评估类型
metric: COCO
# 类别信息，不包含背景类
num_classes: 1

# 训练集
TrainDataset:
  !COCODataSet
    # 数据图像路径
    image_dir: /home/aistudio/data/JPEGImages
    # 标注文件位置
    anno_path: /home/aistudio/data/bigtrain.json
    dataset_dir: /home/aistudio/data
    data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

EvalDataset:
  !COCODataSet
    image_dir: /home/aistudio/data/JPEGImages
    anno_path: /home/aistudio/data/bigtest.json
    dataset_dir: /home/aistudio/data

TestDataset:
  !ImageFolder
    anno_path: /home/aistudio/data/bigtest.json

优化器配置文件（训练轮数、学习率与策略、优化器）

# 总训练轮数
epoch: 12

# 学习率设置
LearningRate:
  # 默认为8卡训学习率
  base_lr: 0.00125
  # 学习率调整策略
  schedulers:
  - !PiecewiseDecay
    gamma: 0.1
    # 学习率变化位置(轮数)
    milestones: [8, 11]
  - !LinearWarmup
    start_factor: 0.1
    steps: 1000

# 优化器
OptimizerBuilder:
  # 优化器
  optimizer:
    momentum: 0.9
    type: Momentum
  # 正则化
  regularizer:
    factor: 0.0001
    type: L2

主要包括训练轮数、学习率的策略与大小、优化器配置等内容。

数据读取配置文件

# 每张GPU reader进程个数
worker_num: 2
# 训练数据
TrainReader:
  # 训练数据transforms
  sample_transforms:
  - Decode: {
   
   }
  - RandomResize: {
   
   target_size: [[640, 1333], [672, 1333], [704, 1333], [736, 1333], [768, 1333], [800, 1333]], interp: 2, keep_ratio: True}
  - RandomFlip: {
   
   prob: 0.5}
  -