| 基础模型 | 监督数据比例 | Epochs (Iters) | mAPval 0.5:0.95 |
模型下载 | 配置文件 |
|---|---|---|---|---|---|
| FCOS ResNet50-FPN | 5% | 24 (8712) | 21.3 | download | config |
| FCOS ResNet50-FPN | 10% | 24 (17424) | 26.3 | download | config |
| FCOS ResNet50-FPN | full | 24 (175896) | 42.6 | download | config |
注意:
- 以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.01。如果改动了总batch_size，请按线性比例相应地调整学习率。
| 基础模型 | 监督数据比例 | Epochs (Iters) | mAPval 0.5:0.95 |
模型下载 | 配置文件 |
|---|---|---|---|---|---|
| PP-YOLOE+_s | 5% | 80 (7200) | 32.8 | download | config |
| PP-YOLOE+_s | 10% | 80 (14480) | 35.3 | download | config |
| PP-YOLOE+_s | full | 80 (146560) | 43.7 | download | config |
| PP-YOLOE+_l | 5% | 80 (7200) | 42.9 | download | config |
| PP-YOLOE+_l | 10% | 80 (14480) | 45.7 | download | config |
| PP-YOLOE+_l | full | 80 (146560) | 49.8 | download | config |
注意:
- 以上模型训练默认使用8 GPUs，总batch_size默认为64，默认初始学习率为0.001。如果改动了总batch_size，请按线性比例相应地调整学习率。
| 基础模型 | 监督数据比例 | Epochs (Iters) | mAPval 0.5:0.95 |
模型下载 | 配置文件 |
|---|---|---|---|---|---|
| Faster R-CNN ResNet50-FPN | 5% | 24 (8712) | 20.7 | download | config |
| Faster R-CNN ResNet50-FPN | 10% | 24 (17424) | 25.6 | download | config |
| Faster R-CNN ResNet50-FPN | full | 24 (175896) | 40.0 | download | config |
注意:
- 以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.02。如果改动了总batch_size，请按线性比例相应地调整学习率。
| 基础模型 | 监督数据比例 | Epochs (Iters) | mAPval 0.5:0.95 |
模型下载 | 配置文件 |
|---|---|---|---|---|---|
| RetinaNet ResNet50-FPN | 5% | 24 (8712) | 13.9 | download | config |
| RetinaNet ResNet50-FPN | 10% | 24 (17424) | 23.6 | download | config |
| RetinaNet ResNet50-FPN | full | 24 (175896) | 39.1 | download | config |
注意:
- 以上模型训练默认使用8 GPUs，总batch_size默认为16，默认初始学习率为0.01。如果改动了总batch_size，请按线性比例相应地调整学习率。
| 基础模型 | 监督数据比例 | mAPval 0.5:0.95 |
模型下载 | 配置文件 |
|---|---|---|---|---|
| RT-DETR ResNet5vd | 5% | 39.1 | download | config |
| RT-DETR ResNet5vd | 10% | 42.3 | download | config |
| RT-DETR ResNet5vd | VOC2007 | 62.7 | download | config |
注意:
- RT-DETR模型训练默认使用4 GPUs，总batch_size默认为16，默认初始学习率为0.0001。如果改动了总batch_size，请按线性比例相应地调整学习率。
- COCO部分监督数据集请参照 数据集准备 去下载和准备，各个比例的训练集均为从train2017中抽取部分百分比的子集，默认使用
fold号为1的划分子集，sup010表示抽取10%的监督数据训练，sup005表示抽取5%，full表示全部train2017，验证集均为val2017全量； - 抽取部分百分比的监督数据的抽法不同，或使用的
fold号不同，精度都会因此而有约0.5 mAP之多的差异； - PP-YOLOE+ 使用Objects365预训练，其余模型均使用ImageNet预训练；
- 线型比例相应调整学习率，参照公式: lrnew = lrdefault * (batch_sizenew * GPU_numbernew) / (batch_sizedefault * GPU_numberdefault)。
将以下命令写在一个脚本文件里如run.sh，一键运行命令为：sh run.sh，也可命令行一句句去运行：
model_type=semi_det/baseline
job_name=ppyoloe_plus_crn_s_80e_coco_sup010 # 可修改，如 fcos_r50_fpn_2x_coco_sup010
config=configs/${model_type}/${job_name}.yml
log_dir=log_dir/${job_name}
weights=output/${job_name}/model_final.pdparams
# 1.training
# CUDA_VISIBLE_DEVICES=0 python tools/train.py -c ${config}
python -m paddle.distributed.launch --log_dir=${log_dir} --gpus 0,1,2,3,4,5,6,7 tools/train.py -c ${config} --eval --amp
# 2.eval
CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c ${config} -o weights=${weights}