百度BML飞桨训练营(六)公共场所火焰烟雾检测--PP-YOLOv2算法
百度BML&飞桨训练营(六)公共场所火焰烟雾检测
文章相关内容资料已经取得百度BML允许,仅用与交流学习,请不要用于商业传播。
这一期继续讲解视觉在现实场景中的应用,PP-YOLOv2算法在火焰烟雾识别。
.下载操作模板与数据集(必看)
请提前准备好!
链接:https://aistudio.baidu.com/aistudio/datasetdetail/117915
1.进入BML主页,点击立即使用:https://ai.baidu.com/bml/
2.点击左侧“模型训练”下的“Notebook”
3.选择物体检测类型,点击立即创建
4.配置Notebook,Python3.7,PaddlePaddle2.0.0,GPUV100
5.启动并打开Notebook
第二步:导入“火灾烟雾检测操作模板“
1.点击图中按钮进行上传
2.打开模板,接下来的操作将在此模板中进行
第三步:安装环境
安装paddlepaddle-gpu
!python -m pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
第四步:安装PaddleDetection
1.下载并安装PaddleDetection
!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop
2.安装PaddleDetection相关依赖
! pip install -r PaddleDetection/requirements.txt
(红色报错不影响后续操作)
第五步:上传数据集并解压
1.上传“fire_smoke“数据集(耐心等待上传)
2.解压数据集至根目录
操作前可执行pwd查看当前路径,若路径没在根目录,可执行
cd /home/work
解压命令
! unzip -oq ./fire_smoke.zip
第二步:配置模型训练的yml文件
PP-YOLOv2:相较20年发布的PP-YOLO,PP-YOLOv2版本在COCO 2017 test-dev上的精度提升了3.6个百分点,由45.9%提升到了49.5%;在640*640的输入尺寸下,FPS达到68.9FPS。主要改进点:
Path Aggregation Network
Mish Activation Function
Larger Input Size
IoU Aware Branch
1.配置ppyolov2_r50vd_dcn_voc.yml文件
路径:/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml
参考:若batch_size=12,总epoch=10,则训练时长预估3小时
2.配置voc.yml文件
路径 :/home/work/PaddleDetection/configs/datasets/voc.yml
修改数据集路径
修改txt文件名,与数据集中的txt文件名一致
第三步:模型训练
1.进入训练路径
cd/home/work/PaddleDetection/tools
2.启动单卡训练
!export CUDA_VISIBLE_DEVICES=0
3.设置训练yml文件路径
config_path = ‘/home/work/PaddleDetection/configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml’
4.开始训练
!python train.py -c $config_path
第四步:模型评估
1.设置模型评估的模型路径
weight_path = ‘/home/work/PaddleDetection/tools/output/ppyolov2_r50vd_dcn_voc/model_final.pdparams’
2.进行模型评估
!python eval.py -c configpath−oweights=config_path -o weights=configpath−oweights=weight_path
第二步:进入相应路径
cd/home/work/PaddleDetection/tools
第三步:设置预测图片路径
img_path = ‘/home/work/fire_smoke/images/fire_000002.jpg’
thresh = 0.1
第四步:模型预测
!python infer.py -cKaTeX parse error: Undefined control sequence: \ at position 29: …o use_gpu=True \̲ ̲-o weight=weight_path --draw_threshold=KaTeX parse error: Undefined control sequence: \ at position 8: thresh \̲ ̲--infer_img=img_path
第五步:查看预测结果
路径:home/work/PaddleDetection/tools/output
百度BML飞桨训练营(六)公共场所火焰烟雾检测--PP-YOLOv2算法相关推荐
- 百度BML飞桨训练营(五)商品种类识别
百度BML&飞桨训练营(五)商品种类识别 文章相关内容资料已经取得百度BML允许,仅用与交流学习,请不要用于商业传播. 这一期继续来手把手教学如何进行视觉上对商品饮料分类. 下载商品识别模板( ...
- 百度BML飞桨训练营(十)面部表情迁移PaddleGAN--蒙娜丽莎在微笑
百度BML&飞桨训练营(十)面部表情迁移PaddleGAN–蒙娜丽莎在微笑 (1).蒙娜丽莎动态表情迁移 第一步:配置Notebook 1.创建Notebook任务,点击配置 开发语言:Pyt ...
- 百度BML飞桨训练营(十一)paddle-OCR车牌识别
百度BML&飞桨训练营(十一)paddle-OCR车牌识别 第一步:配置Notebook 1.创建Notebook任务,点击配置 开发语言:Python3.7 AI框架:PaddlePaddl ...
- 百度BML飞桨训练营(八)工业计量计读表
百度BML.飞桨训练营(八)工业计量计读表 文章相关内容资料已经取得百度BML允许,仅用于交流学习,请不要用于商业传播. 这一期主要通过视觉上物体检测和图像分割将工业中常见的计量表读取准确的数据. 第 ...
- 百度BML飞桨训练营(三)CV之汽车识别分类
百度BML.飞桨训练营(三)CV之汽车识别分类 文章相关内容资料已经取得百度BML允许,仅用与交流学习,请不要用于商业传播. 这一次直接来上手简单的CV项目–汽车识别. 下载数据集 请在开始任务前,下 ...
- 智能交通组合拳--飞桨实现车辆类别/车牌/车速检测、跨境头跟踪、车流密度检测、逆行检测
智能交通组合拳–飞桨实现车辆类别/车牌/车速检测.跨境头跟踪.车流密度检测.逆行检测 总体简介 这个项目的代码和文件全部都已经上传到百度aistudio上,有需要的伙伴的可以搜索下面的链接找到,那里已 ...
- matlab烟雾监测,Matlab火焰烟雾检测(GUI)
Matlab火焰烟雾检测(GUI) 所属分类:matlab例程 开发工具:matlab 文件大小:11868KB 下载次数:29 上传日期:2020-03-20 00:58:54 上 传 者:for ...
- YOLO5~火焰烟雾检测
这里提出了一种基于YOLOv5的火焰烟雾检测算法.基于改进的YOLOv5模型,建立了一种具有泛化性能的火焰烟雾检测算法.改进后的YOLOv5模型精度可达99.5%,对火焰烟雾的检测效果更加准确. 本次 ...
- 百度Aistudio飞桨七日游体验python爬虫和分析数据
前言 在某天,老妹给我发了一个截图,百度飞桨举办小白入门到大神的python,而且还有奖品.最近玩拼多多的多多消游戏第133关卡了一个星期废话(建议体验 前期智商碾压游戏 后期靠游戏眷顾) ,回归主 ...
最新文章
- Binary Watch二进制时间
- 鸿蒙开发目录结构及文件使用规则介绍
- mysql数据库服务器设置访问权限
- 网页中文乱码--UTF-8和GB2312互转
- Python issubclass 函数 - Python零基础入门教程 2021-07-14 09:24:43
- getelementsbyname谷歌浏览器兼容_常用的浏览器内核有哪些?常用浏览器及其内核介绍...
- Python3的编码问题
- php将逗号替换成空格,php写的将逗号、空格、回车分隔的字符串转换为数组的函数...
- Tomcat服务器学习和使用(一)
- Linux使用strlen编译,strlen in NASM Linux
- JAVA实战小项目——图书馆管理系统
- pip卸载安装的所有python包
- w7计算机超级管理员权限,win7系统取得管理员最高权限的操作方法
- 我们都是穷人甲乙丙丁
- window.open() 被拦截的问题解决
- 写给我的客户da辉狼
- 简单易用的像素动画工具,最新版Aseprite v1.2.29
- 我国卫星导航工程将推动“羲和系统”建设
- 业界前沿技术:从零开始学视觉Transformer-Data-Efficient Image Transformers
- 静态HTML网页设计作品—蓝色主题旅游网页设计(6页) HTML+CSS+JavaScript 主题出行