PaddleDetection挑战赛参赛心得分享

PaddleDetection挑战赛参赛心得分享

飞桨开发者&百度飞桨官方帮帮团萌新：Kevin Pang

1 比赛介绍

CVPR2020比赛：商超检测基线

本项目基于深度学习平台飞桨（PaddlePaddle），利用一键式目标检测开发套件PaddleDetection进行开发，欢迎使用并star。

基线方案介绍

本基线用于检测密集场景中产品的位置。基于飞桨推出的端到端目标检测开发套件PaddleDetection进行二次开发，PaddleDetection提供了丰富的检测模型，包含目标检测、实例分割、人脸检测等100+个预训练模型，涵盖多种数据集竞赛冠军方案，同时还具备了高灵活度，通过模块化的设计解藕各个组建，基于配置文件即可轻松搭建各种检测模型。本基线对商超检测数据集进行读取和评估，采用faster_rcnn算法，ResNet50_vd作为主干网络，引入FPN模块，在测试集上检测的AP@.50:.05:.95达到0.382，AP@0.5达到0.599，AP@0.75达到0.440。可以选择PaddleDetection中提供的大量主干网络优化精度，也可以尝试PaddleDetection已具备的扩展特性进一步提升模型效果，例如group_norm, Modulated Deformable Convolution等，更多模型可以参考MODEL_ZOO文档。

基线方案	算法	AP@.50:.05:.95	AP@0.5	AP@0.75	备注
检测	faster_rcnn + ResNet50_vd + FPN	0.332	0.574	0.352	基于PaddleDetection进行二次开发

2 比赛历史提交记录

3 推进心得

这部分我就按我的版本推进时间轴来进行分享~

3.1 PD挑战赛_V1.0版本：Baseline基线代码测试

# 训练：“-c”选择你要使用的模型，此处是默认的“faster_rcnn_r50_1x.yml”
!python tools/train.py -c configs/faster_rcnn_r50_1x.yml

# 评估：model_final可按需更改模型文件
!python tools/eval.py -c configs/faster_rcnn_r50_1x.yml \
	-o weights=output/faster_rcnn_r50_1x/model_final
	
# 导出：按比赛要求使用“export_model.py”将模型导出
!python tools/export_model.py -c configs/faster_rcnn_r50_1x.yml \
	-o weights=output/faster_rcnn_r50_1x/model_final

# 压缩：将导出的模型文件按比赛要求进行压缩
%cd output/faster_rcnn_r50_1x/
!zip output.zip __model__ __params__ infer_cfg.yml
	

系统评分：0.68398分

3.2 PD挑战赛_V2.1版本：PP-YOLO_r18vd模型测试

# 训练：“-c”选择你要使用的模型，此处已切换为“ppyolo_r18vd.yml”
!python tools/train.py -c configs/ppyolo/ppyolo_r18vd.yml

# 评估：model_final可按需更改模型文件
!python tools/eval.py -c configs/ppyolo/ppyolo_r18vd.yml \
	-o weights=output/ppyolo_r18vd/model_final
	
# 导出：按比赛要求使用“ppyolo_r18vd.py”将模型导出
!python tools/export_model.py -c configs/ppyolo/ppyolo_r18vd.yml \
	-o weights=output/ppyolo_r18vd/model_final

# 压缩：将导出的模型文件按比赛要求进行压缩
%cd output/ppyolo_r18vd/