2021-06-23 08:58:10 +08:00

2.4 KiB
Raw Blame History

English | 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
车辆检测 YOLOv3 54.5 下载链接 配置文件

车辆检测Vehicle Detection

车辆检测的主要应用之一是交通监控。在这样的监控场景中,待检测的车辆多为道路红绿灯柱上的摄像头拍摄所得。

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,与之相比,在进行车辆检测的模型训练时,我们对以下参数进行了修改:

3. 精度指标

模型在我们内部数据上的精度指标为:

IOU=.50:.05:.95时的AP为 0.545。

IOU=.5时的AP为 0.764。

4. 预测

用户可以使用我们训练好的模型进行车辆检测:

export CUDA_VISIBLE_DEVICES=0
python -u tools/infer.py -c configs/vehicle/vehicle_yolov3_darknet.yml \
                         -o weights=https://paddledet.bj.bcebos.com/models/vehicle_yolov3_darknet.pdparams \
                         --infer_dir configs/vehicle/demo \
                         --draw_threshold 0.2 \
                         --output_dir configs/vehicle/demo/output

预测结果示例: