【目标检测】【AnchorFree】【P-PicoDet】 移动端的目标检测器_picodet如何实现anchor free

一、P-PicoDet

论文：https://arxiv.org/abs/2111.00902

P-PicoDet的工作：
改进ShuffleNetV2得到ESNet这个backbone；
nack部分采用CSP-PAN；
训练策略，使用SimOTA标签分类策略（YOLOX提出）；
NAS网络搜索，直接搜目标检测模型；
采用H-Swish激活函数，因为这对移动设备很友好；
余弦退火训练方式；

P-PicoDet达到了什么程度：

消融实验（ablation experiments）：

二、环境

直接上docker：

nvidia-docker run  -it -v $PWD:/paddle registry.baidubce.com/paddlepaddle/paddle:2.3.2-gpu-cuda11.2-cudnn8 /bin/bash
1

或者选择cpu版本：

# CPU
python -m pip install paddlepaddle==2.2.2 -i https://mirror.baidu.com/pypi/simple
1
2

检测环境：

# 在您的Python解释器中确认PaddlePaddle安装成功
>>> import paddle
>>> paddle.utils.run_check()

# 确认PaddlePaddle版本
python -c "import paddle; print(paddle.__version__)"
1
2
3
4
5
6

检测结果：

安装PaddleDetection：

# docker里面装环境
cd /paddle
pip install -r requirements.txt
python setup.py install
1
2
3
4

测试是否安装成功：

python ppdet/modeling/tests/test_architectures.py
1

测试结果：

体验效果：

# 在GPU上预测一张图片
export CUDA_VISIBLE_DEVICES=0
python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg
1
2
3