模型名称 | faster_rcnn_resnet50_fpn_venus |
---|---|
类别 | 图像 - 目标检测 |
网络 | faster_rcnn |
数据集 | 百度自建数据集 |
是否支持Fine-tuning | 是 |
模型大小 | 317MB |
最新更新日期 | 2021-02-26 |
数据指标 | - |
-
- Faster_RCNN是两阶段目标检测器,对图像生成候选区域、提取特征、判别特征类别并修正候选框位置。Faster_RCNN整体网络可以分为4个部分,一是ResNet-50作为基础卷积层,二是区域生成网络,三是Rol Align,四是检测层。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2.06%,iou=0.5的准确率平均提升1.78%。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。
-
-
paddlepaddle >= 1.6.2
-
paddlehub >= 1.6.0 | 如何安装paddlehub
-
-
-
$ hub install faster_rcnn_resnet50_fpn_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
-
-
-
def context(num_classes=81, trainable=True, pretrained=True, phase='train')
-
提取特征,用于迁移学习。
-
参数
- num_classes (int): 类别数;
- trainable (bool): 参数是否可训练;
- pretrained (bool): 是否加载预训练模型;
- get_prediction (bool): 可选值为 'train'/'predict','train' 用于训练,'predict' 用于预测。
- num_classes (int): 类别数;
-
返回
- inputs (dict): 模型的输入,相应的取值为:
当phase为'train'时,包含:
- image (Variable): 图像变量
- im_size (Variable): 图像的尺寸
- im_info (Variable): 图像缩放信息
- gt_class (Variable): 检测框类别
- gt_box (Variable): 检测框坐标
- is_crowd (Variable): 单个框内是否包含多个物体 当 phase 为 'predict'时,包含:
- image (Variable): 图像变量
- im_size (Variable): 图像的尺寸
- im_info (Variable): 图像缩放信息
- outputs (dict): 模型的输出,响应的取值为:
当 phase 为 'train'时,包含:
- head_features (Variable): 所提取的特征
- rpn_cls_loss (Variable): 检测框分类损失
- rpn_reg_loss (Variable): 检测框回归损失
- generate_proposal_labels (Variable): 图像信息 当 phase 为 'predict'时,包含:
- head_features (Variable): 所提取的特征
- rois (Variable): 提取的roi
- bbox_out (Variable): 预测结果
- context_prog (Program): 用于迁移学习的 Program
- inputs (dict): 模型的输入,相应的取值为:
当phase为'train'时,包含:
-
-
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。
- dirname: 存在模型的目录名称;
-
-
-
1.0.0
初始发布
-
$ hub install faster_rcnn_resnet50_fpn_venus==1.0.0
-