EfficientDet训练自己的数据集_efficientdet训练自己数据集

https://github.com/toandaominh1997/EfficientDet.Pytorchhttps://github.com/toandaominh1997/EfficientDet.Pytorch

问题1：torch.nn.modules.module.ModuleAttributeError: 'EfficientDet' object has no attribute 'module'

model.module.is_training = True
model.module.freeze_bn()
改为：
model.is_training = True
model.freeze_bn()

问题2：No boxes to NMS

在issue中看了关于这个问题的讨论，这个问题是普遍存在的，建议换一个。。。。 

经过反复尝试，确实不行，但是仍然给出我修改了以后能正常跑起来但预测没有效果的更改，至少数据加载那些改成了加载自己数据集的。下面简要说下

1.数据准备

该项目里有两种数据加载方式，VOC和COCO，所以我们需要做的就是更改自己的数据为这两种数据中的一种，目录结构如下:

具体如下： 

 

 2.训练

--dataset 选择我数据的格式COCO

--dataset_root 数据根目录

--network 表示网络结构 d0, .... d7一共八种自己选

--num_class 类别数别忘了改成自己的

--device 显卡设备列表  --gpu 选择使用的gpu

--workers 线程个数，workers大于0的时候，Windows经常报错 

 改完上面就可以跑了，我跑完测试检测不出结果，下面换一个跑跑

https://github.com/signatrix/efficientdethttps://github.com/signatrix/efficientdet1.按照上面的方式将自己的数据准备得跟COCO数据集格式一样

2.简单修改下训练文件

基本上就是改基础的训练参数，模型的存储位置那些都是自动保存

数据的路径给根目录就行 

3.效果，实际效果一般，我自己也没好好做，还需要自己好好调试，我用阿里的竞赛做了测试，评分差不多才0.6左右，竞赛的链接里面有数据

零基础入门CV - 街景字符编码识别-天池大赛-阿里云天池零基础入门CV - 街景字符编码识别本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第二场 —— 零基础入门CV赛事之街景字符识别，赛题以计算机视觉中字符识别为背景，要求选手预测真实场景下的字符识别，这是一个典型的字符识别问题。https://tianchi.aliyun.com/competition/entrance/531795/introduction?spm=5176.12281925.0.0.26087137F5M0lm4.预测代码我改了一下，predict.py如下（用于得到阿里那个比赛的标准输出）：

# coding: utf-8
from ast import RShift
import os
import argparse
import torch
from torchvision import transforms
from src.dataset import CocoDataset, Resizer, Normalizer
from src.config import COCO_CLASSES, colors
import cv2
import shutil
import numpy as np
import pandas as pd
import json
 
 
def get_args():
    parser = argparse.ArgumentParser(
        "EfficientDet: Scalable and Efficient Object Detection implementation by Signatrix GmbH")
    parser.add_argument("--image_size", type=int, default=448, help="The common width and height for all images")
    parser.add_argument("--data_path", type=str, default="D:/csdn/tc/work2/data/", help="the root folder of dataset")
    parser.add_argument("--cls_threshold", type=float, default=0.4)
    parser.add_argument("--nms_threshold", type=float, default=0.5)
    parser.add_argument("--pretrained_model", type=str, default="trained_models/signatrix_efficientdet_coco.pth")
    parser.add_argument("--output", type=str, default="predictions")
    args = parser.parse_args()
    return args
 
class Resizer():
    """Convert ndarrays in sample to Tensors."""
 
    def __call__(self, image, common_size=512):
        height, width, _ = image.shape
        if height > width:
            scale = common_size / height
            resized_height = common_size
            resized_width = int(width * scale)
        else:
            scale = common_size / width
            resized_height = int(height * scale)
            resized_width = common_size
 
        image = cv2.resize(image, (resized_width, resized_height))
 
        new_image = np.zeros((common_size, common_size, 3))
        new_image[0:resized_height, 0:resized_width] = image
 
        return torch.from_numpy(new_image), scale
 
class Normalizer():
    def __init__(self):
        self.mean = np.array([[[0.485, 0.456, 0.406]]])
        self.std = np.array([[[0.229, 0.224, 0.225]]])
 
    def __call__(self, image):
        return ((image.astype(np.float32) - self.mean) / self.std)
 
if __name__ == "__main__":
    opt = get_args()
 
    checkpoint_file = opt.pretrained_model
    model = torch.load(opt.pretrained_model).module
    model.cuda()
 
    d = {}
    df = pd.DataFrame(columns=['file_name','file_code'])
    image_path = "D:/csdn/tc/work2/data/mchar_test_a/"
    save_path = ''
    piclist = os.listdir(image_path)
 
    piclist.sort()
    index = 0
    common_size = 256   # datasets.py Resizer
    for pic_name in piclist:
        # if index == 10:
        #     break
        index += 1
        if index % 1000 == 0:
            print(f"{index}/40000")
        pic_path = os.path.join(image_path, pic_name)
        # print(pic_path)
        img = cv2.imread(pic_path)
        img1 = img
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        img = img.astype(np.float32) / 255.
        img = Normalizer()(img)
        img, scale = Resizer()(img, common_size=common_size)
 
        with torch.no_grad():
            scores, labels, boxes = model(img.cuda().permute(2, 0, 1).float().unsqueeze(dim=0))
            boxes /= scale
        
        ss = ''
        dts = []
        if boxes.shape[0] > 0:
            
            # path = os.path.join(opt.output, pic_name)
            # output_image = cv2.imread(path)
            output_image = img1
 
            for box_id in range(boxes.shape[0]):
                pred_prob = float(scores[box_id])
                if pred_prob < opt.cls_threshold:
                    break
                pred_label = int(labels[box_id])
                xmin, ymin, xmax, ymax = boxes[box_id, :]
                dts.append({'class':COCO_CLASSES[pred_label], 'xmin':xmin.item()})
                # ss += str(COCO_CLASSES[pred_label])
        temp = sorted(dts, key = lambda i: i['xmin'])
        for e in temp:
            ss += e['class']
        df = df.append([{"file_name": pic_name, "file_code": ss}], ignore_index=True)
    
    df.to_csv("sub2.csv",index=False)

说明：这个网络没时间好好调参了，下面给出我用的代码（包含数据）

链接：https://pan.baidu.com/s/1vR8vnCT2yQH7unwYREVn8Q 
提取码：kz3d 
--来自百度网盘超级会员V5的分享