Table of Contents[Veşartin][Rêdan]
Di fêrbûna kûr de yek ji wan ramanên herî hêsan, lê herî balkêş, tespîtkirina tiştan e. Fikra bingehîn ev e ku her tişt li çînên li pey hev dabeş bikin ku taybetmendiyên berawirdî temsîl dikin û dûv re qutiyek li dora wê xêz bikin.
Van taybetmendiyên cihêreng dikarin wekî form an reng sade bin, ku ji kapasîteya me ya kategorîzekirina wan re dibe alîkar.
Serîlêdanên ji Vebijêrk Armanca Bi saya pêşkeftinên girîng di Vîzyona Computer û Pêvajoya Wêne de bi berfirehî di zanistên bijîjkî, ajotina xweser, parastin û leşkerî, rêveberiya giştî, û gelek warên din de têne xebitandin.
Li vir me MMDetection heye, amûrek vedîtina tiştan-çavkaniya vekirî ya fantastîk ku li ser Pytorch hatî çêkirin. Di vê gotarê de, em ê MMDetection bi hûrgulî lêkolîn bikin, bi destan re biçin, taybetmendiyên wê nîqaş bikin, û hêj bêtir.
Çi ye MMDetection?
Ew MMDetection toolbox wekî kodek Python-ê bi taybetî ji bo pirsgirêkên ku bi nasnama tiştan û dabeşkirina nimûneyê ve girêdayî ye hate afirandin.
Pêkanîna PyTorch tête bikar anîn, û ew bi rengek modularî tête çêkirin. Ji bo naskirina tiştan û dabeşkirina nimûneyê, cûrbecûr modelên bandorker di nav cûrbecûr rêbazan de hatine berhev kirin.
Ew destûr dide encamdana bandor û perwerdehiya bilez. Ji hêla din ve, qutiya amûrê ji zêdetirî 200 torên pêş-perwerdekirî giranan vedihewîne, ku ew di qada nasnama tiştan de çareseriyek bilez dike.
Bi şiyana adaptekirina teknîkên heyî an çêkirina detektorek nû bi karanîna modulên berdest, MMDetection wekî pîvanek kar dike.
Taybetmendiya sereke ya qutiya amûrê tevlêbûna wê ya beşên rasterast, modular ên ji normal e tespîtkirina objektê çarçoveya ku dikare ji bo afirandina lûleyên yekta an modelên bêhempa were bikar anîn.
Kapasîteyên pîvandinê yên vê amûrê hêsan dike ku meriv çarçoveyek detektorek nû li ser çarçoveyek heyî ava bike û performansa wê bide ber hev.
Features
- Çarçoveyên vedîtina populer û nûjen, wekî Faster RCNN, Mask RCNN, RetinaNet, hwd., rasterast ji hêla toolkit ve têne piştgirî kirin.
- Bikaranîna 360+ modelên pêş-perwerdekirî ji bo birêkûpêkkirin (an perwerdekirina ji nû ve).
- Ji bo daneyên vîzyonê yên naskirî, di nav de COCO, Cityscapes, LVIS, û PASCAL VOC.
- Li ser GPU, hemî karên bingehîn ên bbox û mask têne darve kirin. Bingehên kodên din, wek Detectron2, maskrcnn-benchmark, û SimpleDet, dikarin bi rêjeyek zûtir an li gorî vê yekê werin perwerde kirin.
- Lêkolîner bişkînin tespîtkirina objektê çarçoveyek di çend modulan de, ku dûv re dikarin bêne hev kirin da ku pergalek vedîtina tiştek bêhempa biafirînin.
MMDetection Architecture
MMDetection sêwiranek gelemperî diyar dike ku dikare li her modelê were sepandin ji ber ku ew qutiyek amûrek e ku bi cûrbecûr modelên pêş-avakirî ve, her yek ji wan mîmariya xwe heye. Pêkhateyên jêrîn vê mîmariya giştî pêk tînin:
- Wersel: Backbone, wek ResNet-50 bêyî qata dawîn a bi tevahî ve girêdayî ye, pêkhateyek e ku wêneyek vediguherîne nexşeyan.
- Hûstû: Gerdan ew beşê ye ku piştê bi seriyan ve girêdide. Li ser nexşeyên taybetmendiya xav a piştê, ew hin sererastkirin an veavakirinan dike. Taybetmendiya Tora Pyramîd yek nîgarek e (FPN).
- DenseHead (AnchorHead / AnchorFreeHead): Ew hêmanek e ku li ser deverên hişk ên nexşeyên taybetmendiyê dixebite, wek AnchorHead û AnchorFreeHead, wek RPNHead, RetinaHead, û FCOSHead.
- RoIExtractor: Bi karanîna operatorên mîna RoIPooling, ew beşê ye ku taybetmendiyên RoIwise ji yek an berhevokek nexşeyên taybetmendiyê derdixe. Nimûneya SingleRoIExtractor taybetmendiyên RoI ji asta hevahengiya pîramîdên taybetmendiyê derdixe.
- RoIHead (BBoxHead / MaskHead): Ew beşek pergalê ye ku taybetmendiyên RoI wekî têketinek bikar tîne û pêşbîniyên peywirê yên li ser bingeha RoI-yê diafirîne, wekî dabeşkirina qutiya sînor / paşveçûn û pêşbîniya maskê.
Avakirina detektorên yek-qonaxê û du-qonaxê bi karanîna têgînên jorîn têne destnîşan kirin. Em dikarin prosedurên xwe bi tenê bi avakirina çend beşên nû û berhevkirina hin yên heyî pêş bixin.
Lîsteya modelên ku di nav MMDetection de hene
MMDetection ji bo çend modelên naskirî û modulên peywirdar bingehên kodê yên jorîn peyda dike. Modelên ku berê hatine çêkirin û rêbazên adapteyî yên ku dikarin bi qutiya amûrê MMDetection re werin bikar anîn li jêr têne rêz kirin. Her ku bêtir model û rêbaz têne zêdekirin navnîş her ku diçe mezin dibe.
- Fast R-CNN
- Zûtir R-CNN
- Mask R-CNN
- RetinaNet
- DCN
- DCNv2
- Cascade R-CNN
- M2Det
- GHM
- ScratchDet
- Du-Serê R-CNN
- Grid R-CNN
- FSAF
- Libra R-CNN
- GCNet
- HRNet
- Mask Scoring R-CNN
- FCOS
- SSD
- R-FCN
- Perwerdehiya Precision Mixed
- Weight Standardization
- Hybrid Task Cascade
- Anching Rêbertî
- Bala Giştî
Avakirina modela tespîtkirina tiştan bi karanîna MMDetection
Di vê tutoriyê de, em ê bibin notebooka hevkariyê ya Google ji ber ku sazkirin û karanîna wê hêsan e.
Lêkirinî
Ji bo sazkirina her tiştê ku em hewce ne, em ê pêşî pirtûkxaneyên pêwîst saz bikin û projeya MMdetection GitHub klon bikin.
Importing env
Jîngeha projeya me dê naha ji depoyê were derxistin.
Importing pirtûkxane û MMdetection
Em ê naha pirtûkxaneyên pêwîst, bi helbet bi MMdetection veguhezînin.
Xalên kontrolê yên pêş-perwerdekirî dakêşin
Divê nuqteyên kontrolê yên modela pêş-perwerdekirî ji MMdetection naha ji bo verastkirin û encamdana bêtir werin dakêşandin.
Modela avahiyê
Naha em ê modelê ava bikin û nuqteyên kontrolê li ser databasê bicîh bikin.
Dedektorê înfaz bike
Naha ku model bi rêkûpêk hatî çêkirin û barkirin, werin em bisekinin ka ew çiqas xweş e. Em detektorê encamdana API-a-asta bilind a MMDetection bikar tînin. Ev API ji bo hêsankirina pêvajoya encamdanê hate çêkirin.
Netîce
Ka em li encaman binerin.
Xelasî
Di encamê de, qutiya amûrê ya MMDetection ji bingehên kodê yên ku vê dawiyê hatine berdan, mîna SimpleDet, Detectron, û Maskrcnn-benchmark bi pêş dixe. Bi berhevokek modela mezin,
MMDetection naha teknolojiya herî pêşkeftî ye. MMDetection di warê karîgerî û performansê de ji hemî bingehên kodê yên din re derbas dibe.
Yek ji tiştên herî xweş ên di derbarê MMdetection de ev e ku hûn naha dikarin tenê pelek mîhengek cûda destnîşan bikin, nuqteyek kontrolê ya cihêreng dakêşin, û heke hûn dixwazin modelan biguherînin heman kodê bimeşînin.
Ez şîret dikim ku li wan binêrim talîmatên heke hûn bi yek ji qonaxan re bi pirsgirêkan re rû bi rû bibin an jî bixwazin ku hin ji wan bi rengek cûda pêk bînin.
Leave a Reply