超轻量目标检测模型NanoDet（速度很快）PyTorch版本实践

文章目录

前言
NanoDet 模型介绍
- 1）NanoDet 模型性能
- 2）NanoDet 模型架构
- 3）NanoDet损失函数
- 4）NanoDet 优势
基于PyTorch 实现NanoDet
- 1）NanoDet目标检测效果
- 2）环境参数
- 3）体验NanoDet目标检测
- - 下载代码，打开工程
- 4）调用模型的核心代码

前言

YOLO、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。

NanoDet作者开源代码地址：https://github.com/RangiLyu/nanodet

基于NanoDet项目进行小裁剪，专门用来实现Python语言、PyTorch 版本的代码地址：https://github.com/guo-pu/NanoDet-PyTorch

下载直接能使用，支持图片、视频文件、摄像头实时目标检测

先看一下NanoDet目标检测的效果：
同时检测多辆汽车：

查看多目标、目标之间重叠、同时存在小目标和大目标的检测效果：

NanoDet 模型介绍

NanoDet 是一种 FCOS 式的单阶段 anchor-free 目标检测模型，它使用 ATSS 进行目标采样，使用 Generalized Focal Loss 损失函数执行分类和边框回归（box regression）。

1）NanoDet 模型性能

NanoDet-m模型和YoloV3-Tiny、YoloV4-Tiny作对比：

备注：以上性能基于 ncnn 和麒麟 980 (4xA76+4xA55) ARM CPU 获得的。使用 COCO mAP (0.5:0.95) 作为评估指标，兼顾检测和定位的精度，在 COCO val 5000 张图片上测试，并且没有使用 Testing-Time-Augmentation。

NanoDet作者将 ncnn 部署到手机（基于 ARM 架构的 CPU 麒麟 980，4 个 A76 核心和 4 个 A55
核心）上之后跑了一下 benchmark，模型前向计算时间只要 10 毫秒左右，而 yolov3 和 v4 tiny 均在 30
毫秒的量级。在安卓摄像头 demo app 上，算上图片预处理、检测框后处理以及绘制检测框的时间，NanoDet 也能轻松跑到
40+FPS。

2）NanoDet 模型架构

3）NanoDet损失函数

NanoDet 使用了李翔等人提出的 Generalized Focal Loss 损失函数。该函数能够去掉 FCOS 的 Centerness 分支，省去这一分支上的大量卷积，从而减少检测头的计算开销，非常适合移动端的轻量化部署。

详细请参考：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection

4）NanoDet 优势

NanoDet 是一个速度超快和轻量级的移动端 Anchor-free 目标检测模型。该模型具备以下优势：

超轻量级：模型文件大小仅几兆（小于4M——nanodet_m.pth）；
速度超快：在移动 ARM CPU 上的速度达到 97fps（10.23ms）；
训练友好：GPU 内存成本比其他模型低得多。GTX1060 6G 上的 Batch-size 为 80 即可运行；
方便部署：提供了基于 ncnn 推理框架的 C++ 实现和 Android demo。

基于PyTorch 实现NanoDet

基于NanoDet项目进行小裁剪，专门用来实现Python语言、PyTorch 版本的代码地址：

1）NanoDet目标检测效果

1）检测出一只小鸟

2）同时检测出四位少年

3）在复杂街道中，检测出行人、汽车：

通过测试发现NanoDet确实很快，但识别精度和效果比YOLOv4差不少的。

下图是使用 YOLOv4检测的效果：

文章链接：https://guo-pu.blog.csdn.net/article/details/109912838
大家可以看到大部分的行人、汽车是被检测出来了，存在小部分没有被检测出来；

看左上角的统计信息，能看到汽车检测到5辆，行人检测到14位，自行车检测到1辆，交通灯设备3台，太阳伞3把，手提包1个。

2）环境参数

测试环境参数

开发具体环境要求如下：

Windows开发环境安装可以参考:

安装cudatoolkit 10.1、cudnn7 .6
请参考https://blog.csdn.net/qq.41204464/article/details/108807165
安装PyTorch
请参考https://blog.csdn.net/u014723479/article/details/103001861
安装pycocotools
请参考https://blog .csdn. netweixin_41166529/article/details/109997105

3）体验NanoDet目标检测

下载代码，打开工程

先到githug下载代码，然后解压工程,然后使用PyCharmI具打开工程; .

githug代码下载地址: https://github.com/guo-pu/NanoDet-PyTorch

**说明:**该代码是基于NanoDet项目进行小裁剪，专门用来实现Python语言、PyTorch 版本的代码
NanoDet作者开源代码地址:https://github.com/RangiLyu/nanodet (致敬)

使用PyCharm工具打开工程

打开后的页面是这样的: .

[选择开发环境]

文件(file)- -> 设置(setting)–>项目(Project)- > Project Interpreters选择搭建的开发环境;

然后先点击Apply，等待加载完成，再点击0K;

进行目标检测
具体命令请参考:

'''目标检测-图片'''
python detect_main.py image --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  street.png'''目标检测-视频文件'''
python detect_main.py video --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  test.mp4'''目标检测-摄像头'''
python detect_main.py webcam --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  0

【目标检测-图片】

【目标检测-视频文件】

检测的是1080*1920的图片，很流畅毫不卡顿，就是目前识别精度不太高

4）调用模型的核心代码

detect_main.py 代码：

import cv2
import os
import time
import torch
import argparse
from nanodet.util import cfg, load_config, Logger
from nanodet.model.arch import build_model
from nanodet.util import load_model_weight
from nanodet.data.transform import Pipelineimage_ext = ['.jpg', '.jpeg', '.webp', '.bmp', '.png']
video_ext = ['mp4', 'mov', 'avi', 'mkv']'''目标检测-图片'''
# python detect_main.py image --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  street.png'''目标检测-视频文件'''
# python detect_main.py video --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  test.mp4'''目标检测-摄像头'''
# python detect_main.py webcam --config ./config/nanodet-m.yml --model model/nanodet_m.pth --path  0def parse_args():parser = argparse.ArgumentParser()parser.add_argument('demo', default='image', help='demo type, eg. image, video and webcam')parser.add_argument('--config', help='model config file path')parser.add_argument('--model', help='model file path')parser.add_argument('--path', default='./demo', help='path to images or video')parser.add_argument('--camid', type=int, default=0, help='webcam demo camera id')args = parser.parse_args()return argsclass Predictor(object):def __init__(self, cfg, model_path, logger, device='cuda:0'):self.cfg = cfgself.device = devicemodel = build_model(cfg.model)ckpt = torch.load(model_path, map_location=lambda storage, loc: storage)load_model_weight(model, ckpt, logger)self.model = model.to(device).eval()self.pipeline = Pipeline(cfg.data.val.pipeline, cfg.data.val.keep_ratio)def inference(self, img):img_info = {}if isinstance(img, str):img_info['file_name'] = os.path.basename(img)img = cv2.imread(img)else:img_info['file_name'] = Noneheight, width = img.shape[:2]img_info['height'] = heightimg_info['width'] = widthmeta = dict(img_info=img_info,raw_img=img,img=img)meta = self.pipeline(meta, self.cfg.data.val.input_size)meta['img'] = torch.from_numpy(meta['img'].transpose(2, 0, 1)).unsqueeze(0).to(self.device)with torch.no_grad():results = self.model.inference(meta)return meta, resultsdef visualize(self, dets, meta, class_names, score_thres, wait=0):time1 = time.time()self.model.head.show_result(meta['raw_img'], dets, class_names, score_thres=score_thres, show=True)print('viz time: {:.3f}s'.format(time.time()-time1))def get_image_list(path):image_names = []for maindir, subdir, file_name_list in os.walk(path):for filename in file_name_list:apath = os.path.join(maindir, filename)ext = os.path.splitext(apath)[1]if ext in image_ext:image_names.append(apath)return image_namesdef main():args = parse_args()torch.backends.cudnn.enabled = Truetorch.backends.cudnn.benchmark = Trueload_config(cfg, args.config)logger = Logger(-1, use_tensorboard=False)predictor = Predictor(cfg, args.model, logger, device='cuda:0')logger.log('Press "Esc", "q" or "Q" to exit.')if args.demo == 'image':if os.path.isdir(args.path):files = get_image_list(args.path)else:files = [args.path]files.sort()for image_name in files:meta, res = predictor.inference(image_name)predictor.visualize(res, meta, cfg.class_names, 0.35)ch = cv2.waitKey(0)if ch == 27 or ch == ord('q') or ch == ord('Q'):breakelif args.demo == 'video' or args.demo == 'webcam':cap = cv2.VideoCapture(args.path if args.demo == 'video' else args.camid)while True:ret_val, frame = cap.read()meta, res = predictor.inference(frame)predictor.visualize(res, meta, cfg.class_names, 0.35)ch = cv2.waitKey(1)if ch == 27 or ch == ord('q') or ch == ord('Q'):breakif __name__ == '__main__':main()

参考：https://guo-pu.blog.csdn.net/article/details/110410940?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7EPayColumn-1.pc_relevant_paycolumn_v3&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7EPayColumn-1.pc_relevant_paycolumn_v3&utm_relevant_index=1