From 5aca5d0f90a6e7d4feab28189d1cb78e9f13f5a8 Mon Sep 17 00:00:00 2001 From: Bin Lu Date: Fri, 29 Oct 2021 17:24:48 +0800 Subject: [PATCH] Update feature_extraction.md --- .../image_recognition_pipeline/feature_extraction.md | 11 +++++++---- 1 file changed, 7 insertions(+), 4 deletions(-) diff --git a/docs/zh_CN_tmp/image_recognition_pipeline/feature_extraction.md b/docs/zh_CN_tmp/image_recognition_pipeline/feature_extraction.md index 6beaf584..7c34af76 100644 --- a/docs/zh_CN_tmp/image_recognition_pipeline/feature_extraction.md +++ b/docs/zh_CN_tmp/image_recognition_pipeline/feature_extraction.md @@ -43,9 +43,9 @@ Arch: - **infer_output_key**: 推理时需要用到的Tensor的key, 训练模型下，网络会以字典的形式输出features和logits. 识别任务中，推理时只需要用到features即可 - **infer_output_key**： 推理时是否需要加softmax。为了和分类任务的统一，分类任务推理时需要加softmax操作，识别任务不需要 - **Backbone**: 骨干网络， 此处选用的是经过SSLD蒸馏之后的预训练模型 -- **BackboneStopLayer**:  该处用以指示在哪儿截断 -- **Neck**: 输出512维的特征向量 -- **Head**: 采用ArcMargin, 此处可以依据训练数据修改类别数class_num,  以及超参数margin和scale +- **BackboneStopLayer**: 该处用以指示在何处截断网络，关于TheseLayer的用法，请参考文档xxx +- **Neck**: 用以进行特征维度转换，此处输出512维的特征向量 +- **Head**: 采用ArcMargin, 此处可以依据训练数据修改类别数class_num, 以及超参数margin和scale ## Loss构成 ### 单Loss示例 @@ -58,7 +58,7 @@ Loss: - CELoss: weight: 1.0 ``` -可以看到此处选用的是CELoss， 结合Head部分的ArcMargin, 因此使用的是ArcFace中的算法 +可以看到此处选用的是CELoss， 结合Head部分的ArcMargin, 因此使用的是[ArcFace](https://arxiv.org/abs/1801.07698)中的算法 ### 组合Loss示例 ``` @@ -79,6 +79,7 @@ Loss: 下面以`ppcls/configs/Products/ResNet50_vd_SOP.yaml`为例，介绍模型的训练、评估、推理过程 ## 4.1 数据准备 首先，下载SOP数据集， 数据链接 + ## 4.2 训练 - 单机单卡训练 ``` @@ -121,3 +122,5 @@ python tools/export_model -c xxx -o Global.pretrained_model = xxxx cd deploy python python/inference_rec.py -c configs/ O rec_inference_model_dir: "../inference/inference" ``` +输出 +``` -- GitLab