yolov3_darknet53_venus

yolov3_darknet53_venus

模型名称	yolov3_darknet53_venus
类别	图像 - 目标检测
网络	YOLOv3
数据集	百度自建数据集
是否支持Fine-tuning	是
模型大小	501MB
最新更新日期	2021-02-26
数据指标	-

一、模型基本信息

• 模型介绍

  • YOLOv3是由Joseph Redmon和Ali Farhadi提出的单阶段检测器, 该检测器与达到同样精度的传统目标检测方法相比，推断速度能达到接近两倍。 YOLOv3将输入图像划分格子，并对每个格子预测bounding box。YOLOv3的loss函数由三部分组成：Location误差，Confidence误差和分类误差。该PaddleHub Module是由800+tag,170w图片，1000w+检测框训练的大规模通用检测模型，在8个数据集上MAP平均提升5.36%，iou=0.5的准确率提升4.53%。对比于其他通用检测模型，使用该Module进行finetune，可以更快收敛，达到较优效果。

二、安装

• 1、环境依赖

  • paddlepaddle >= 1.6.2

  • paddlehub >= 1.6.0 | 如何安装paddlehub

• 2、安装

  • $ hub install yolov3_darknet53_venus

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、API

  • def context(trainable=True,
                pretrained=True,
                get_prediction=False)

    • 提取特征，用于迁移学习。

    • 参数

      • trainable(bool): 参数是否可训练；
        
      • pretrained (bool): 是否加载预训练模型；
        
      • get_prediction (bool): 是否执行预测。

    • 返回

      • inputs (dict): 模型的输入，keys 包括 'image', 'im_size'，相应的取值为：
        • image (Variable): 图像变量
        • im_size (Variable): 图片的尺寸
      • outputs (dict): 模型的输出。如果 get_prediction 为 False，输出 'head_features'、'body_features'，否则输出 'bbox_out'
      • context_prog (Program): 用于迁移学习的 Program

  • def object_detection(paths=None,
                         images=None,
                         batch_size=1,
                         use_gpu=False,
                         score_thresh=0.5,
                         visualization=True,
                         output_dir='detection_result')

    • 预测API，检测输入图片中的所有目标的位置。

    • 参数

      • paths (list[str]): 图片的路径；
        
      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
        
      • batch_size (int): batch 的大小；
        
      • use_gpu (bool): 是否使用 GPU；
        
      • score_thresh (float): 识别置信度的阈值；
        
      • visualization (bool): 是否将识别结果保存为图片文件；
        
      • output_dir (str): 图片的保存路径，默认设为 detection_result。

    • 返回

      • res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为:
        • data (list): 检测结果，list的每一个元素为 dict，各字段为:
          • confidence (float): 识别的置信度
          • label (str): 标签
          • left (int): 边界框的左上角x坐标
          • top (int): 边界框的左上角y坐标
          • right (int): 边界框的右下角x坐标
          • bottom (int): 边界框的右下角y坐标
        • save_path (str, optional): 识别结果的保存路径 (仅当visualization=True时存在)

  • def save_inference_model(dirname,
                             model_filename=None,
                             params_filename=None,
                             combined=True)

    • 将模型保存到指定路径。

    • 参数

      • dirname: 存在模型的目录名称；
        
      • model_filename: 模型文件名称，默认为__model__；
        
      • params_filename: 参数文件名称，默认为__params__(仅当combined为True时生效)；
        
      • combined: 是否将参数保存到统一的一个文件中。

四、更新历史

• 1.0.0

  初始发布

  • $ hub install yolov3_darknet53_venus==1.0.0