• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    迪恩网络公众号

shaoshengsong/MobileNetV3-SSD-Compact-Version: MobileNetV3 SSD的简洁版本

原作者: [db:作者] 来自: 网络 收藏 邀请

开源软件名称(OpenSource Name):

shaoshengsong/MobileNetV3-SSD-Compact-Version

开源软件地址(OpenSource Url):

https://github.com/shaoshengsong/MobileNetV3-SSD-Compact-Version

开源编程语言(OpenSource Language):

Python 100.0%

开源软件介绍(OpenSource Introduction):

MobileNetV3-SSD-Compact-Version

MobileNetV3 SSD的简洁版本

希望尝试新技术请到这里 https://github.com/shaoshengsong/quarkdet 一个轻量级的目标检测包括多种模型

环境 Ubuntu18.04 版本 PyTorch 1.4

如果您想从头开始需要使用 mbv3_large.old.pth.tar 是backbone用来参数初始化的模型 有可能会历经坎坷

简便方式就是使用预训练模型 如果您要直接测试,模型改名为checkpoint_ssd300.pth.tar 模型下载地址 链接:https://pan.baidu.com/s/1BZz9X7w3xaopf1dKLkyMcA 提取码:gwwv

模型测试结果 mAP 0.679 (未在COCO数据集做预训练版本)

使用步骤 一 下载VOC数据集之后,将VOCtrainval_06-Nov-2007和VOCtest_06-Nov-2007合并在一起 数据集下载 可以看这里 https://blog.csdn.net/flyfish1986/article/details/95367745

二 先打开create_data_lists.py文件 改成自己数据集的路径

三 如果想使用mobilenetv3的预训练模型,打开mode.py 找到 def init_weights(self, pretrained=None):#"./mbv3_large.old.pth.tar" 替换成 def init_weights(self, pretrained="./mbv3_large.old.pth.tar"):

四 运行训练命令python train.py

五 测试mAP命令 python eval.py

以下是站在巨人肩膀上的那个人的肩膀上 hard negative mining和L2Norm没有封装,在代码里直白的编写

mobilenetv3的预训练模型从这里下载

mmdetection版本测试结果没有达到官方所说的水平,而是mAP没有到0.5

增强函数改编自

计算mAP的博客

坐标变换部分来自

关于提高mAP的做法

如果还想提高mAP怎么办

本repo没有在COCO数据集下训练,只训练了VOC0712数据集 如果想得到更高的mAP,可以尝试下先在COCO数据集下训练,这时候得到的模型作为预训练模型,然后在VOC0712数据集中微调,最后再在VOC2007下测试,看看是不是会得到大于0.619mAP的数

我使用第二版的部分源码做的PyTorch版的VGG-SSD,测试不同的学习率 如果按照常规做法,在训练达到某个epoch 原学习率* 0.1 , 在训练达到某个epoch 原学习率*0.01这样最终结果会得到比原论文还优秀的0.77x mAP,x代表一个很大的个位数. 如果单独采用余弦退火,mAP可以到0.771mAP,低了0.00y. 所以想增加mAP可以尝试下常规做法的学习率.




鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
udacity/mws-restaurant-stage-1: Starter Code for the Udacity's "Mobile ...发布时间:2022-08-30
下一篇:
liferay/liferay-mobile-sdk发布时间:2022-08-30
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap