nanodet 训练细节解读

蓝羽飞鸟

已于 2023-01-13 07:03:06 修改

阅读量920

点赞数 1

CC 4.0 BY-SA版权

分类专栏：源码解读2 文章标签： python 深度学习

于 2023-01-12 15:11:15 首次发布

本文链接：https://blog.youkuaiyun.com/level_code/article/details/128480427

源码解读2 专栏收录该内容

13 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文详细解读了nanodet的训练细节，包括数据读取、优化器设置、训练流程、损失计算等。重点分析了训练过程中SimpleConvHead的使用，以及QFL、GIOU和DFL损失函数的计算方法，特别是如何结合IOU和Cost Matrix得到目标box坐标。

读取数据集和 annotation

用的是COCO数据集

annotation如下，用的是instances_train2017.json
在这里插入图片描述

#coco_api会包含下面anns等信息
self.coco_api = COCO(ann_path) #instances_train2017.json
        
#这个class是anaconda自带的
class COCO:

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

蓝羽飞鸟

关注关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

NanoDet ncnn源码解读

蓝羽飞鸟的博客

11-15

779

NanoDet ncnn源码解读

深度学习系列资料总结

热门推荐

专注大数据与人工智能技术分享，欢迎私信加群互相学习！

07-17

2万+

说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................

参与评论您还未登录，请先登录后发表或查看评论

Nanodet-train.py代码解读

jingyu_1的博客

01-14

526

Nanodet是一个轻量的目标检测网络，具有很多优点，当前很多网络都将它作为超越的对象。下面是本人对于train.py的代码注释，加入了部分个人的理解。

nanodet阅读：（1）概述

tangshopping的博客

06-18

2129

nanodet概述

nanodet训练voc数据集

人工智能

02-17

2604

class_names: &class_names ['aeroplane','bicycle','bird','boat','bottle','bus','car','cat','chair','cow','diningtable', 'dog','horse','motorbike','person','pottedplant','sheep','sofa','train','tvmonitor'] num_classes: 20

目标检测6--NanodetPlus算法分析

机器人视觉感知

10-27

3638

NanoDet是上海人工智能实验室的RangiLyu于2020年10月份开源的轻量级检测项目，取得了很好的效果，广受关注。2021年12月份，作者又更新发布了NanoDetPlus，在coco val上的map提升了7个百分点。虽然作者将模型最终的输出concat为了一个输出，从下图可以看到有四个输出头，对应的stride分别为。

NanoDet-Plus及其代码解读

Mao_Jonah的博客

02-09

4708

NanoDet-Plus及其代码解读一、前言lossReference: code: Nanodet 一、前言之前就有关注过NanoDet，在轻量级检测模型中，卓越的性能，引起了广泛讨论，正巧前端时间看到NanoDet作者更新了第二代模型NanoDet-Plus，同时最近在做一些知识蒸馏的工作，看到NanoDet-Plus也引入了LAD[2]的工作，于是研究了一下NanoDet-Plus代码并进行一些修改实验。关于NanoDet-Plus的实验原理等，直接见作者的文章[1]，写得很详细，写得非常棒。本文主

AI人工智能目标检测在工业视觉检测中的应用案例

最新发布

AI天才研究院

04-09

782

本文旨在全面剖析AI目标检测技术在工业视觉检测中的应用现状和技术实现。我们将从理论基础到实践应用，系统性地介绍如何利用深度学习技术解决工业制造中的视觉检测难题。范围涵盖算法原理、实现方法、实际案例以及未来发展方向。文章首先介绍工业视觉检测的基本概念和挑战，然后深入讲解目标检测的核心算法。接着通过数学模型和代码实现展示技术细节，并提供多个实际应用案例。最后讨论相关工具资源和未来趋势。目标检测(Object Detection): 在图像中定位并识别多个对象的技术。

PicoDet论文译读笔记

墨门

01-05

7725

Keywords: PicoDet, ESNet

Nanodet训练自己的轻量级目标检测模型实践

ssunshining的博客

04-06

5225

官方地址:https://github.com/RangiLyu/nanodet 一准备训练的数据: 数据文件目录为如下,分别存放训练集和验证集的图片和xml文件(注意图片和标签一一对应) 二、建立自己yaml文件在config文件夹下建立自己的yaml文件,VOC格式标签参照官方的 https://github.com/RangiLyu/nanodet/blob/main/config/nanodet_custom_xml_dataset.yml 文件进行修改: 注意修改的地方有以下

20、NanoDet训练、测试以及使用ncnn部署Jetson Nano 进行目标检测和串口数据转发

sxj731533730

02-25

7001

基本思想：最近想尝试一下nano 上部署nanodet，于是记录一下训练过程，手中有一份labelme标注的数据集，于是开始了一波操作~ 首先将图片和json数据集转成xml (https://blog.youkuaiyun.com/sxj731533730/article/details/90046780)，然后将xml数据集转成voc； import sys import os import json import xml.etree.ElementTree as ET from PIL import Im

Nanodet project label: yolo2voc2coco

yyqq7226741的博客

12-01

396

# yolo2voc2coco labels: txt-->xml-->json This project support to Nanodet project to make official labels. 1.Nanodet project address https://github.com/RangiLyu/nanodet 2.making labels means 2.1 alfred tool address https://github.com/jinfagang/a

voc数据集划分训练集与测试集（nanodet训练用）

qq_29283575的博客

05-12

787

voc数据集划分训练集与测试集（nanodet训练用）

目标检测——使用nanodet训练自己制作的数据集并测试模型，通俗易懂（详细图文教程）

Timi2019的博客

07-17

372

上面的教程中我提供了少量的数据集，以及训练好的模型，学者按照我上面的步骤，先准备好数据集，后再训练，最后测试，在这个过程中每个人都会遇到不同的问题，实在解决不了的问题可以在下面评论或私信，我看到会及时回复。希望此教程能帮助到你快速上手使用nanodet！关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！

【模型学习】nanodet的学习记录

Lockon_Stratos的博客

04-04

608

在帮师兄弄项目时接触了，故写下这篇文章方便自己以后复习。

nanodet阅读：（2）正负样本定义(ATSS)

tangshopping的博客

06-03

771

nanodet代码阅读注释

【目标检测】Nanodet使用笔记

AI知识搬运工

07-19

2153

一，环境安装 1. Create a conda virtual environment and then activate it. ```shell script conda create -n nanodet python=3.8 -y conda activate nanodet ``` 2. Install pytorch ```shell script conda install pytorch torchvision cudatoolkit=11.0 -c pytorch ``` ..

nanodet训练手势识别模型

小菜的博客

01-27

3827

序言前段时间nanodet爆火，以非常小的模型和运算量，取得了超过tiny-yolov4的精度，非常惊艳，因为时间问题一直没有尝试，最近有空决定尝试一下。先来看下作者给的模型效果一、nanodet安装首先安装nanodet的环境包： pip install Cython termcolor numpy tensorboard pycocotools matplotlib pyaml opencv-python tqdm 然后安装nanodet git clone https://github.c

（学习笔记二）基于NanoDet模型的车辆检测项目

qq_40231851的博客

05-05

3096

1.NaonoDet模型简介 NanoDet是一个速度超快和轻量级的移动端Anchor-free目标检测模型，该模型的模型文件大小仅几兆（nanodet_m.pth仅3.86M），其在移动ARM CPU上的速度达到97fps（10.23ms），而且提供了基于ncnn推理框架的C++实现和Android demo。本次项目我们基于PyTorch来实现使用NanoDet模型进行车辆检测。 2.模型环境搭建 2.1源码下载 NanoDet的源码已经在GitHub开源社区中公布，我们在GitHub中搜索找到Nano

nanodet训练自己的数据

12-31

### 使用 NanoDet 框架训练自定义数据集 #### 数据准备对于数据预处理，目标是将数据集转换成NanoDet模型可接受的格式。具体措施包括： - **数据增强**：采用多种手段如旋转、翻转、裁剪来扩充数据集并减少过...

nanodet 训练细节解读

目录

读取数据集 和 annotation

读取数据集和 annotation