Daptar eusi[Sumputkeun][Témbongkeun]
Salah sahiji ideu pangbasajanna tapi paling narik dina pangajaran jero nyaéta deteksi objék. Gagasan dasarna nyaéta ngabagi unggal barang kana kelas-kelas anu berturut-turut anu ngagambarkeun sipat anu sabanding sareng teras ngagambar kotak di sakurilingna.
Ciri anu ngabédakeun ieu tiasa saderhana sapertos bentuk atanapi warna, anu ngabantosan kamampuan urang pikeun ngagolongkeunana.
Aplikasi tina Pangwanoh Objék seueur padamelan dina élmu médis, nyetir otonom, pertahanan sareng militér, administrasi umum, sareng seueur widang sanésna berkat perbaikan anu ageung dina Komputer Visi sareng Pangolahan Gambar.
Di dieu urang gaduh MMDetection, alat deteksi obyék open source hebat anu diwangun dina Pytorch. Dina tulisan ieu, urang bakal nalungtik MMDetection sacara rinci, teraskeun sareng éta, ngabahas fitur-fiturna, sareng seueur deui.
Naon MMDeteksi?
nu MMDeteksi toolbox dijieun salaku codebase Python husus pikeun masalah ngalibetkeun idéntifikasi objék jeung conto segmentation.
Palaksanaan PyTorch dipaké, sarta eta dijieun dina fashion modular. Pikeun pangakuan obyék sareng ségméntasi conto, rupa-rupa modél anu épéktip parantos disusun kana sababaraha metodologi.
Ieu ngidinan inferensi éféktif jeung latihan gancang. Di sisi séjén, toolbox ngawengku beurat pikeun leuwih 200 jaringan tos dilatih, sahingga fix gancang dina widang idéntifikasi objék.
Kalayan kamampuan adaptasi téknik ayeuna atanapi nyiptakeun detektor énggal nganggo modul anu sayogi, MMDetection fungsina salaku patokan.
Fitur konci kotak alat nyaéta kalebet bagian-bagian modular anu lugas tina normal deteksi obyék kerangka nu bisa dipaké pikeun nyieun pipelines unik atanapi model unik.
Kamampuhan benchmarking tina toolkit ieu ngagampangkeun ngawangun kerangka detektor anyar dina luhureun kerangka anu tos aya sareng ngabandingkeun kinerjana.
Fitur
- Kerangka deteksi anu populer sareng modern, sapertos Faster RCNN, Mask RCNN, RetinaNet, sareng sajabana, langsung dirojong ku toolkit.
- Anggo 360+ modél anu tos dilatih pikeun nyaluyukeun (atanapi latihan deui).
- Pikeun set data visi anu terkenal kalebet COCO, Cityscapes, LVIS, sareng PASCAL VOC.
- Dina GPU, sadaya operasi bbox sareng masker dasar dieksekusi. Basis kode anu sanés, sapertos Detectron2, maskrcnn-benchmark, sareng SimpleDet, tiasa dilatih dina laju anu langkung gancang tibatan atanapi sami sareng ieu.
- Peneliti ngarecahna deteksi obyék kerangka kana sababaraha modul, nu lajeng bisa digabungkeun pikeun nyieun sistem deteksi objék unik.
Arsitéktur MMDetection
MMDetection netepkeun desain umum anu tiasa diterapkeun kana modél naon waé sabab éta mangrupikeun kotak alat sareng sababaraha modél anu tos diwangun, masing-masing gaduh arsitéktur sorangan. Komponén di handap ieu ngawangun arsitektur ieu:
- Tulang tonggong: Tulang tonggong, kayaning a ResNet-50 tanpa lapisan final pinuh disambungkeun, mangrupakeun komponén nu ngarobah hiji gambar kana peta fitur.
- beuheung: Beuheung mangrupa ruas anu nyambungkeun tulang tonggong jeung hulu. Dina peta fitur atah tulang tonggong, éta ngalakukeun pangaluyuan atanapi konfigurasi ulang. Feature Piramid Network mangrupa salah sahiji ilustrasi (FPN).
- DenseHead (AnchorHead/AnchorFreeHead): Ieu mangrupikeun komponén anu beroperasi dina daérah padet tina peta fitur, sapertos AnchorHead sareng AnchorFreeHead, sapertos RPNHead, RetinaHead, sareng FCOSHead.
- RoIExtractor: Kalawan ngagunakeun operator RoIPooling-kawas, éta bagian nu narik fitur RoIwise ti tunggal atawa kumpulan peta fitur. Sampel SingleRoIExtractor nimba fitur RoI tina tingkat cocog piramida fitur.
- RoIHead (BBoxHead / MaskHead): Ieu mangrupikeun bagian tina sistem anu ngagunakeun karakteristik RoI salaku input sareng ngahasilkeun prediksi khusus tugas dumasar RoI, sapertos klasifikasi kotak wates / regression sareng prediksi masker.
Pangwangunan detektor tahap tunggal sareng dua tahap diilustrasi nganggo konsép anu kasebat. Urang tiasa ngembangkeun prosedur sorangan ngan saukur ku ngawangun sababaraha bagian seger sareng ngagabungkeun sababaraha anu tos aya.
Daptar model kaasup dina MMDetection
MMDetection nyadiakeun codebases top-kiyeu pikeun sababaraha model well-dipikawanoh tur modul tugas-berorientasi. Model anu saacanna didamel sareng metode anu tiasa diadaptasi anu tiasa dianggo sareng kotak alat MMDetection dibéréndélkeun di handap. Daptar éta terus ningkat nalika langkung seueur modél sareng metode anu ditambahkeun.
- Gancang R-CNN
- Langkung gancang R-CNN
- Topeng R-CNN
- RétinaNet
- DCN
- DCNv2
- Cascade R-CNN
- M2Det
- GHM
- ScratchDet
- Ganda-Sirah R-CNN
- Grid R-CNN
- FSAF
- Libra R-CNN
- GCNet
- HRNet
- Topeng Nyetak R-CNN
- FCOS
- SSD
- R-FCN
- Latihan Precision Campuran
- Standardisasi beurat
- Hybrid Tugas Cascade
- Dipandu Anchoring
- Perhatian Umum
Ngawangun modél deteksi obyék ngagunakeun MMDetection
Dina tutorial ieu, urang bakal janten notebook collab Google sabab gampang diatur sareng dianggo.
parabot nu geus dipasang di tempatna sarta sadia dipake
Pikeun masang sadaya anu urang peryogikeun, urang mimiti masang perpustakaan anu diperyogikeun sareng clone proyék MMdetection GitHub.
Ngimpor env
Lingkungan pikeun proyék urang ayeuna bakal diimpor ti gudang.
Ngimpor perpustakaan sareng MMdetection
Urang ayeuna bakal ngimpor perpustakaan anu diperyogikeun, sareng MMdetection tangtosna.
Unduh checkpoints anu tos dilatih
Titik pamariksaan modél anu tos dilatih ti MMdetection ayeuna kedah diunduh kanggo panyesuaian sareng inferensi salajengna.
Modél wangunan
Urang ayeuna bakal ngawangun modél sareng nerapkeun checkpoints kana set data.
Inferensi detektor
Ayeuna yén modélna parantos leres diwangun sareng dimuat, hayu urang parios kumaha saé éta. Kami ngagunakeun detektor inferensi API tingkat luhur MMDetection. API ieu dirarancang pikeun ngagampangkeun prosés inferensi.
hasil
Hayu urang tingali hasilna.
kacindekan
Dina kacindekan, kotak alat MMDetection outperforms nembe dikaluarkeun codebases kawas SimpleDet, Detectron, sarta Maskrcnn-benchmark. Kalawan koleksi model badag,
MMDetection ayeuna mangrupikeun téknologi canggih. MMDetection outperforms sadayana codebases séjén dina watesan efisiensi jeung kinerja.
Salah sahiji hal anu paling saé ngeunaan MMdetection nyaéta anjeun ayeuna tiasa nunjuk kana file konfigurasi anu béda, unduh tempat pamariksaan anu béda, sareng ngajalankeun kode anu sami upami anjeun hoyong ngarobih modél.
Kuring mamatahan nempo maranéhanana parentah upami anjeun ngalaman masalah sareng salah sahiji tahapan atanapi hoyong ngalaksanakeun sababaraha cara anu béda.
Leave a Reply