DBNet实战：详解DBNet训练与测试（pytorch，真正带你搞懂RecyclerView的缓存机制_dbnet训练自己的数据集

break

print(‘Find {} images’.format(len(files)))

return sorted(files)

def get_txts(txt_path):

‘’’

find gt files in data path

:return: list of files found

‘’’

files = []

exts = [‘txt’]

for parent, dirnames, filenames in os.walk(txt_path):

for filename in filenames:

for ext in exts:

if filename.endswith(ext):

files.append(os.path.join(parent, filename))

break

print(‘Find {} txts’.format(len(files)))

return sorted(files)

if name == ‘main’:

import json

img_train_path = ‘./datasets/train/img’

img_test_path = ‘./datasets/test/img’

train_files = get_images(img_train_path)

test_files = get_images(img_test_path)

txt_train_path = ‘./datasets/train/gt’

txt_test_path = ‘./datasets/test/gt’

train_txts = get_txts(txt_train_path)

test_txts = get_txts(txt_test_path)

n_train = len(train_files)

n_test = len(test_files)

assert len(train_files) == len(train_txts) and len(test_files) == len(test_txts)

with open(‘train.txt’, ‘w’) as f:

with open(‘./datasets/train.txt’, ‘w’) as f:

for i in range(n_train):

line = train_files[i] + ‘\t’ + train_txts[i] + ‘\n’

f.write(line)

with open(‘./datasets/test.txt’, ‘w’) as f:

for i in range(n_test):

line = test_files[i] + ‘\t’ + test_txts[i] + ‘\n’

f.write(line)

逻辑不复杂，分别将train和test的img文件列表和gt文件列表对应起来保存到train.txt和test.txt中。

完成上面数据的处理就可以开始训练了

训练

=============================================================

到这里已经完成大部分的工作了，只需要对config文件参数做适当的修改就可以开始训练了。

本次训练使用的config文件是./config/icdar2015_resnet18_FPN_DBhead_polyLR.yaml，修改学习率、优化器、BatchSize等参数，如下图：

上面用红框标注的参数，大家根据实际的情况做修改，我的卡是3090，BatchSize设置32.

参数设置完成后，就开启训练，在pycharm的Terminal下面执行：

CUDA_VISIBLE_DEVICES=0 python tools/train.py --config_file “config/icdar2015_resnet18_FPN_DBhead_polyLR.yaml”

测试

=============================================================

打开./tools/predict.py,查看参数：

def init_args():

import argparse

parser = argparse.ArgumentParser(description=‘DBNet.pytorch’)

parser.add_argument(‘–model_path’, default=r’model_best.pth’, type=str)

parser.add_argument(‘–input_folder’, default=‘./test/input’, type=str, help=‘img path for predict’)

parser.add_argument(‘–output_folder’, default=‘./test/output’, type=str, help=‘img path for output’)

parser.add_argument(‘–thre’, default=0.3,type=float, help=‘the thresh of post_processing’)

parser.add_argument(‘–polygon’, action=‘store_true’, help=‘output polygon or box’)

parser.add_argument(‘–show’, default=True,action=‘store_true’, help=‘show result’)

parser.add_argument(‘–save_resut’, default=True, action=‘store_true’, help=‘save box and score to txt file’)

args = parser.parse_args()

return args

model_path：模型的路径。

input_folder：待测试图片的路径。

output_folder：输出结果的路径。

thre：最低置信度。

polygon：多边形还是框，True为多边形，False为box。建议设置为False。

show：是否展示。

save_resut：是否保存结果。

新建input文件夹，放入测试图片，在pycharm的Terminal执行如下命令：

python tools/predict.py --model_path output/DBNet_resnet18_FPN_DBHead/checkpoint/model_best.pth --input_folder ./input --output_folder ./output --thre 0.7

执行完成后就可以在output文件夹中查看结果了：

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-rlx1ULMk-1711051814554)]