目标检测

组件介绍

“目标检测”（Object Detection） 控件主要用于训练目标检测模型。

目标检测模型一般用于找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。

---

• 输入：
  • img: 图像数据集
• 输出：
  • dpmod：深度学习模型

---

“目标检测”（Object Detection） 控件读取COCO数据集，通过指定要训练的模型、Backbone以及相关的模型训练参数进行目标检测模型的训练。
训练集目录结构如下：

|- train
  |- image1  
  |- image2  
  |- ...
|- val
  |- val_image1  
  |- val_image2  
  |- ...
|- annotations
  |- train.json
  |- val.json

测试集目录结构如下：

|- test
  |- image1
  |- image2
  |- ...
|- test_list.txt

test_list.txt用于记录测试集数据信息，test_list.txt内容示例如下：

test/1.jpg
test/2.jpg
test/3.jpg

页面介绍

点击 “目标检测”（Object Detection） 控件查看参数配置页面，如下图所示：

参数选项

选项		说明	取值范围	样例值
模型名称		设置模型名称，用于在其他组件中区分不同的模型	非空字符串	Object Detection
计算框架		选择模型训练采用的训练框架，控件支持如下计算框架： PyTorch Tensorflow	PyTorch Tensorflow	PyTorch
模型选择	PyTorch	支持的用于目标检测的深度学习模型	YOLOv3 FasterRCNN MaskRCNN SSD	FasterRCNN
	Tensorflow		SSD FasterRCNN	SSD
Backbone选择	PyTorch	主干网络，是模型的主要组成部分，backbone负责提取输入图像的特征，以便后续的处理和分析。	PyTorch	DarkNet53 MobileNetV2 ResNet50 ResNet101 VGG16	MobileNetV2
	Tensorflow		MobileNetV1 MobileNetV2 ResNet50 ResNet101 ResNet152	ResNet50
训练参数	迭代轮数	训练迭代轮数（epoch）	1~100000	10
	学习率	learning rate	0.00000001~1	0.001
	批大小	一个epoch训练的样本大小	1~840	4

使用案例

在下图所示的案例中，使用 “图像”（Image） 控件加载数据集，连接 “目标检测”（Object Detection） 控件构建模型，再将 “目标检测”（Object Detection） 控件与 “训练日志”（Train Log） 控件连接起来查看模型的训练日志。

案例中加载COCO数据集，案例中控件执行结果如下图所示：