52 lines
2.3 KiB
Markdown
52 lines
2.3 KiB
Markdown
|
[English](README.md) | 简体中文
|
|||
|
|
# 特色垂类检测模型
|
|||
|
|
|
|||
|
|
我们提供了针对不同场景的基于PaddlePaddle的检测模型，用户可以下载模型进行使用。
|
|||
|
|
|
|||
|
|
| 任务 | 算法 | 精度(Box AP) | 下载 | 配置文件 |
|
|||
|
|
|:---------------------|:---------:|:------:| :---------------------------------------------------------------------------------: | :------:|
|
|||
|
|
| 行人检测 | YOLOv3 | 51.8 | [下载链接](https://paddledet.bj.bcebos.com/models/pedestrian_yolov3_darknet.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.0/configs/pedestrian/pedestrian_yolov3_darknet.yml) |
|
|||
|
|
|
|||
|
|
## 行人检测（Pedestrian Detection）
|
|||
|
|
|
|||
|
|
行人检测的主要应用有智能监控。在监控场景中，大多是从公共区域的监控摄像头视角拍摄行人，获取图像后再进行行人检测。
|
|||
|
|
|
|||
|
|
### 1. 模型结构
|
|||
|
|
|
|||
|
|
Backbone为Dacknet53的YOLOv3。
|
|||
|
|
|
|||
|
|
|
|||
|
|
### 2. 训练参数配置
|
|||
|
|
|
|||
|
|
PaddleDetection提供了使用COCO数据集对YOLOv3进行训练的参数配置文件[yolov3_darknet53_270e_coco.yml](https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.0/configs/yolov3/yolov3_darknet53_270e_coco.yml)，与之相比，在进行行人检测的模型训练时，我们对以下参数进行了修改：
|
|||
|
|
|
|||
|
|
* num_classes: 1
|
|||
|
|
* dataset_dir: dataset/pedestrian
|
|||
|
|
|
|||
|
|
### 2. 精度指标
|
|||
|
|
|
|||
|
|
模型在我们针对监控场景的内部数据上精度指标为：
|
|||
|
|
|
|||
|
|
IOU=.5时的AP为 0.792。
|
|||
|
|
|
|||
|
|
IOU=.5-.95时的AP为 0.518。
|
|||
|
|
|
|||
|
|
### 3. 预测
|
|||
|
|
|
|||
|
|
用户可以使用我们训练好的模型进行行人检测：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
export CUDA_VISIBLE_DEVICES=0
|
|||
|
|
python -u tools/infer.py -c configs/pedestrian/pedestrian_yolov3_darknet.yml \
|
|||
|
|
-o weights=https://paddledet.bj.bcebos.com/models/pedestrian_yolov3_darknet.pdparams \
|
|||
|
|
--infer_dir configs/pedestrian/demo \
|
|||
|
|
--draw_threshold 0.3 \
|
|||
|
|
--output_dir configs/pedestrian/demo/output
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
预测结果示例：
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
|