69 lines
3.7 KiB
Markdown
69 lines
3.7 KiB
Markdown
# 1. TTFNet
|
||
|
||
## 简介
|
||
|
||
TTFNet是一种用于实时目标检测且对训练时间友好的网络，对CenterNet收敛速度慢的问题进行改进，提出了利用高斯核生成训练样本的新方法，有效的消除了anchor-free head中存在的模糊性。同时简单轻量化的网络结构也易于进行任务扩展。
|
||
|
||
**特点:**
|
||
|
||
结构简单，仅需要两个head检测目标位置和大小，并且去除了耗时的后处理操作
|
||
训练时间短，基于DarkNet53的骨干网路，V100 8卡仅需要训练2个小时即可达到较好的模型效果
|
||
|
||
## Model Zoo
|
||
|
||
| 骨架网络 | 网络类型 | 每张GPU图片个数 | 学习率策略 |推理时间(fps) | Box AP | 下载 | 配置文件 |
|
||
| :-------------- | :------------- | :-----: | :-----: | :------------: | :-----: | :-----------------------------------------------------: | :-----: |
|
||
| DarkNet53 | TTFNet | 12 | 1x | ---- | 33.5 | [下载链接](https://paddledet.bj.bcebos.com/models/ttfnet_darknet53_1x_coco.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.0/configs/ttfnet/ttfnet_darknet53_1x_coco.yml) |
|
||
|
||
|
||
|
||
|
||
|
||
# 2. PAFNet
|
||
|
||
## 简介
|
||
|
||
PAFNet（Paddle Anchor Free）是PaddleDetection基于TTFNet的优化模型，精度达到anchor free领域SOTA水平，同时产出移动端轻量级模型PAFNet-Lite
|
||
|
||
PAFNet系列模型从如下方面优化TTFNet模型：
|
||
|
||
- [CutMix](https://arxiv.org/abs/1905.04899)
|
||
- 更优的骨干网络: ResNet50vd-DCN
|
||
- 更大的训练batch size: 8 GPUs，每GPU batch_size=18
|
||
- Synchronized Batch Normalization
|
||
- [Deformable Convolution](https://arxiv.org/abs/1703.06211)
|
||
- [Exponential Moving Average](https://www.investopedia.com/terms/e/ema.asp)
|
||
- 更优的预训练模型
|
||
|
||
|
||
## 模型库
|
||
|
||
| 骨架网络 | 网络类型 | 每张GPU图片个数 | 学习率策略 |推理时间(fps) | Box AP | 下载 | 配置文件 |
|
||
| :-------------- | :------------- | :-----: | :-----: | :------------: | :-----: | :-----------------------------------------------------: | :-----: |
|
||
| ResNet50vd | PAFNet | 18 | 10x | ---- | 39.8 | [下载链接](https://paddledet.bj.bcebos.com/models/pafnet_10x_coco.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.0/configs/ttfnet/pafnet_10x_coco.yml) |
|
||
|
||
|
||
|
||
### PAFNet-Lite
|
||
|
||
| 骨架网络 | 网络类型 | 每张GPU图片个数 | 学习率策略 | Box AP | 麒麟990延时（ms） | 体积（M） | 下载 | 配置文件 |
|
||
| :-------------- | :------------- | :-----: | :-----: | :-----: | :------------: | :-----: | :-----------------------------------------------------: | :-----: |
|
||
| MobileNetv3 | PAFNet-Lite | 12 | 20x | 23.9 | 26.00 | 14 | [下载链接](https://paddledet.bj.bcebos.com/models/pafnet_lite_mobilenet_v3_20x_coco.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.0/configs/ttfnet/pafnet_lite_mobilenet_v3_20x_coco.yml) |
|
||
|
||
**注意：** 由于动态图框架整体升级，PAFNet的PaddleDetection发布的权重模型评估时需要添加--bias字段, 例如
|
||
|
||
```bash
|
||
# 使用PaddleDetection发布的权重
|
||
CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/ttfnet/pafnet_10x_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/pafnet_10x_coco.pdparams --bias
|
||
```
|
||
|
||
## Citations
|
||
```
|
||
@article{liu2019training,
|
||
title = {Training-Time-Friendly Network for Real-Time Object Detection},
|
||
author = {Zili Liu, Tu Zheng, Guodong Xu, Zheng Yang, Haifeng Liu, Deng Cai},
|
||
journal = {arXiv preprint arXiv:1909.00700},
|
||
year = {2019}
|
||
}
|
||
```
|