Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleClas
提交
8687cb93
P
PaddleClas
项目概览
PaddlePaddle
/
PaddleClas
接近 2 年 前同步成功
通知
116
Star
4999
Fork
1114
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
19
列表
看板
标记
里程碑
合并请求
6
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleClas
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
19
Issue
19
列表
看板
标记
里程碑
合并请求
6
合并请求
6
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
未验证
提交
8687cb93
编写于
6月 14, 2022
作者:
G
gaotingquan
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
docs: fix
上级
364d7025
变更
6
隐藏空白更改
内联
并排
Showing
6 changed file
with
58 addition
and
58 deletion
+58
-58
docs/zh_CN/PULC/PULC_car_exists.md
docs/zh_CN/PULC/PULC_car_exists.md
+11
-11
docs/zh_CN/PULC/PULC_language_classification.md
docs/zh_CN/PULC/PULC_language_classification.md
+9
-9
docs/zh_CN/PULC/PULC_person_exists.md
docs/zh_CN/PULC/PULC_person_exists.md
+9
-9
docs/zh_CN/PULC/PULC_safety_helmet.md
docs/zh_CN/PULC/PULC_safety_helmet.md
+10
-10
docs/zh_CN/PULC/PULC_text_image_orientation.md
docs/zh_CN/PULC/PULC_text_image_orientation.md
+10
-10
docs/zh_CN/PULC/PULC_textline_orientation.md
docs/zh_CN/PULC/PULC_textline_orientation.md
+9
-9
未找到文件。
docs/zh_CN/PULC/PULC_car_exists.md
浏览文件 @
8687cb93
...
@@ -54,22 +54,22 @@
...
@@ -54,22 +54,22 @@
| PPLCNet_x1_0 | 95.48 | 2.12 | 6.5 | 使用 SSLD 预训练模型+EDA 策略|
| PPLCNet_x1_0 | 95.48 | 2.12 | 6.5 | 使用 SSLD 预训练模型+EDA 策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
95.92
<b>
|
<b>
2.12
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
95.92
<b>
|
<b>
2.12
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是会导致精度大幅下降。将 backbone 替换为速度更快的 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 13 个百分点,与此同时速度依旧可以快 20% 以上。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升约 0.7 个百分点,进一步地,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 0.44 个百分点。此时,PPLCNet_x1_0 达到了接近 SwinTranformer_tiny 模型的精度,但是速度快 40 多倍。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是会导致精度大幅下降。将 backbone 替换为速度更快的 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 13 个百分点,与此同时速度依旧可以快 20% 以上。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升约 0.7 个百分点,进一步地,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 0.44 个百分点。此时,PPLCNet_x1_0 达到了接近 SwinTranformer_tiny 模型的精度,但是速度快 40 多倍。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
**备注:**
**备注:**
*
`Tpr`
指标的介绍可以参考
[
3.3节
](
#3.3
)
的备注部分,延时是基于 Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz 测试得到,开启 MKLDNN 加速策略,线程数为10。
*
`Tpr`
指标的介绍可以参考
[
3.3节
](
#3.3
)
的备注部分,延时是基于 Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz 测试得到,开启 MKLDNN 加速策略,线程数为10。
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
<a
name=
"2"
></a>
<a
name=
"2"
></a>
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -81,11 +81,11 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -81,11 +81,11 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
...
@@ -93,11 +93,11 @@ python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
...
@@ -93,11 +93,11 @@ python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
@@ -130,7 +130,7 @@ print(next(result))
...
@@ -130,7 +130,7 @@ print(next(result))
>>> result
>>> result
[{'class_ids': [1], 'scores': [0.9871138], 'label_names': ['contains_car'], 'filename': 'pulc_demo_imgs/car_exists/objects365_00001507.jpeg'}]
[{'class_ids': [1], 'scores': [0.9871138], 'label_names': ['contains_car'], 'filename': 'pulc_demo_imgs/car_exists/objects365_00001507.jpeg'}]
```
```
<a
name=
"3"
></a>
<a
name=
"3"
></a>
...
...
docs/zh_CN/PULC/PULC_language_classification.md
浏览文件 @
8687cb93
...
@@ -49,7 +49,7 @@
...
@@ -49,7 +49,7 @@
| PPLCNet_x1_0 | 99.12 | 2.58 | 6.5 | 使用SSLD预训练模型+EDA策略 |
| PPLCNet_x1_0 | 99.12 | 2.58 | 6.5 | 使用SSLD预训练模型+EDA策略 |
|
**PPLCNet_x1_0**
|
**99.26**
|
**2.58**
|
**6.5**
| 使用SSLD预训练模型+EDA策略+SKL-UGI知识蒸馏策略 |
|
**PPLCNet_x1_0**
|
**99.26**
|
**2.58**
|
**6.5**
| 使用SSLD预训练模型+EDA策略+SKL-UGI知识蒸馏策略 |
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度比较高,但是推理速度较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度提升明显,但精度有了大幅下降。将 backbone 替换为 PPLCNet_x1_0 且调整预处理输入尺寸和网络的下采样stride时,速度略为提升,同时精度较 MobileNetV3_large_x1_0 高2.43个百分点。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升 0.35 个百分点,进一步地,当融合EDA策略后,精度可以再提升 0.42 个百分点,最后,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 0.14 个百分点。此时,PPLCNet_x1_0 超过了 SwinTranformer_tiny 模型的精度,并且速度有了明显提升。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度比较高,但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度提升明显,但精度有了大幅下降。将 backbone 替换为 PPLCNet_x1_0 且调整预处理输入尺寸和网络的下采样stride时,速度略为提升,同时精度较 MobileNetV3_large_x1_0 高2.43个百分点。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升 0.35 个百分点,进一步地,当融合EDA策略后,精度可以再提升 0.42 个百分点,最后,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 0.14 个百分点。此时,PPLCNet_x1_0 超过了 SwinTranformer_tiny 模型的精度,并且速度有了明显提升。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
**备注:**
**备注:**
...
@@ -60,9 +60,9 @@
...
@@ -60,9 +60,9 @@
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -74,23 +74,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -74,23 +74,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
...
docs/zh_CN/PULC/PULC_person_exists.md
浏览文件 @
8687cb93
...
@@ -54,7 +54,7 @@
...
@@ -54,7 +54,7 @@
| PPLCNet_x1_0 | 93.43 | 2.12 | 6.5 | 使用 SSLD 预训练模型+EDA 策略|
| PPLCNet_x1_0 | 93.43 | 2.12 | 6.5 | 使用 SSLD 预训练模型+EDA 策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
95.60
<b>
|
<b>
2.12
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
95.60
<b>
|
<b>
2.12
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是会导致精度大幅下降。将 backbone 替换为速度更快的 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 20 多个百分点,与此同时速度依旧可以快 20% 以上。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升约 2.6 个百分点,进一步地,当融合EDA策略后,精度可以再提升 1.3 个百分点,最后,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 2.2 个百分点。此时,PPLCNet_x1_0 达到了 SwinTranformer_tiny 模型的精度,但是速度快 40 多倍。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是会导致精度大幅下降。将 backbone 替换为速度更快的 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 20 多个百分点,与此同时速度依旧可以快 20% 以上。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升约 2.6 个百分点,进一步地,当融合EDA策略后,精度可以再提升 1.3 个百分点,最后,在使用 SKL-UGI 知识蒸馏后,精度可以继续提升 2.2 个百分点。此时,PPLCNet_x1_0 达到了 SwinTranformer_tiny 模型的精度,但是速度快 40 多倍。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
**备注:**
**备注:**
...
@@ -67,9 +67,9 @@
...
@@ -67,9 +67,9 @@
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -81,23 +81,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -81,23 +81,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
...
docs/zh_CN/PULC/PULC_safety_helmet.md
浏览文件 @
8687cb93
...
@@ -53,12 +53,12 @@
...
@@ -53,12 +53,12 @@
| PPLCNet_x1_0 | 99.30 | 2.03 | 6.5 | 使用SSLD预训练模型+EDA策略|
| PPLCNet_x1_0 | 99.30 | 2.03 | 6.5 | 使用SSLD预训练模型+EDA策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
99.38
<b>
|
<b>
2.03
<b>
|
<b>
6.5
<b>
| 使用SSLD预训练模型+EDA策略+UDML知识蒸馏策略|
|
<b>
PPLCNet_x1_0
<b>
|
<b>
99.38
<b>
|
<b>
2.03
<b>
|
<b>
6.5
<b>
| 使用SSLD预训练模型+EDA策略+UDML知识蒸馏策略|
从表中可以看出,在使用服务器端大模型作为 backbone 时,SwinTranformer_tiny 精度较低,Res2Net200_vd_26w_4s 精度较高,但服务器端大模型推理速度普遍较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是精度显著降低。在将 backbone 替换为 PPLCNet_x1_0 后,精度较 MobileNetV3_small_x0_35 提高约 8.5 个百分点,与此同时速度快 20% 以上。在此基础上,将 PPLCNet_x1_0 的预训练模型替换为 SSLD 预训练模型后,在对推理速度无影响的前提下,精度提升约 4.9 个百分点,进一步地使用 EDA 策略后,精度可以再提升 1.1 个百分点。此时,PPLCNet_x1_0 已经超过 Res2Net200_vd_26w_4s 模型的精度,但是速度快 70+ 倍。最后,在使用 UDML 知识蒸馏后,精度可以再提升 0.08 个百分点。下面详细介绍关于 PULC 安全帽模型的训练方法和推理部署方法。
从表中可以看出,在使用服务器端大模型作为 backbone 时,SwinTranformer_tiny 精度较低,Res2Net200_vd_26w_4s 精度较高,但服务器端大模型推理速度普遍较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,但是精度显著降低。在将 backbone 替换为 PPLCNet_x1_0 后,精度较 MobileNetV3_small_x0_35 提高约 8.5 个百分点,与此同时速度快 20% 以上。在此基础上,将 PPLCNet_x1_0 的预训练模型替换为 SSLD 预训练模型后,在对推理速度无影响的前提下,精度提升约 4.9 个百分点,进一步地使用 EDA 策略后,精度可以再提升 1.1 个百分点。此时,PPLCNet_x1_0 已经超过 Res2Net200_vd_26w_4s 模型的精度,但是速度快 70+ 倍。最后,在使用 UDML 知识蒸馏后,精度可以再提升 0.08 个百分点。下面详细介绍关于 PULC 安全帽模型的训练方法和推理部署方法。
**备注:**
**备注:**
*
`Tpr`
指标的介绍可以参考
[
3.3小节
](
#3.3
)
的备注部分,延时是基于 Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz 测试得到,开启MKLDNN加速策略,线程数为10。
*
`Tpr`
指标的介绍可以参考
[
3.3小节
](
#3.3
)
的备注部分,延时是基于 Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz 测试得到,开启MKLDNN加速策略,线程数为10。
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
...
@@ -67,9 +67,9 @@
...
@@ -67,9 +67,9 @@
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -81,23 +81,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -81,23 +81,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
...
docs/zh_CN/PULC/PULC_text_image_orientation.md
浏览文件 @
8687cb93
...
@@ -48,9 +48,9 @@
...
@@ -48,9 +48,9 @@
| PPLCNet_x1_0 | 98.02 | 2.16 | 6.5 | 使用SSLD预训练模型 |
| PPLCNet_x1_0 | 98.02 | 2.16 | 6.5 | 使用SSLD预训练模型 |
|
**PPLCNet_x1_0**
|
**99.06**
|
**2.16**
|
**6.5**
| 使用SSLD预训练模型+SHAS超参数搜索策略 |
|
**PPLCNet_x1_0**
|
**99.06**
|
**2.16**
|
**6.5**
| 使用SSLD预训练模型+SHAS超参数搜索策略 |
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度比较高,但是推理速度较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度提升明显,但精度有了大幅下降。将 backbone 替换为 PPLCNet_x1_0 时,速度略为提升,同时精度较 MobileNetV3_small_x0_35 高了 14.24 个百分点。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升 0.17 个百分点,进一步地,当使用SHAS超参数搜索策略搜索最优超参数后,精度可以再提升 1.04 个百分点。此时,PPLCNet_x1_0 与 SwinTranformer_tiny 的精度差别不大,但是速度明显变快。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度比较高,但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度提升明显,但精度有了大幅下降。将 backbone 替换为 PPLCNet_x1_0 时,速度略为提升,同时精度较 MobileNetV3_small_x0_35 高了 14.24 个百分点。在此基础上,使用 SSLD 预训练模型后,在不改变推理速度的前提下,精度可以提升 0.17 个百分点,进一步地,当使用SHAS超参数搜索策略搜索最优超参数后,精度可以再提升 1.04 个百分点。此时,PPLCNet_x1_0 与 SwinTranformer_tiny 的精度差别不大,但是速度明显变快。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
**备注:**
**备注:**
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
*
关于PP-LCNet的介绍可以参考
[
PP-LCNet介绍
](
../models/PP-LCNet.md
)
,相关论文可以查阅
[
PP-LCNet paper
](
https://arxiv.org/abs/2109.15099
)
。
...
@@ -59,9 +59,9 @@
...
@@ -59,9 +59,9 @@
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -73,23 +73,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -73,23 +73,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
...
docs/zh_CN/PULC/PULC_textline_orientation.md
浏览文件 @
8687cb93
...
@@ -55,7 +55,7 @@
...
@@ -55,7 +55,7 @@
|
<b>
PPLCNet_x1_0
**
<b>
|
<b>
96.01
<b>
|
<b>
2.72
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略|
|
<b>
PPLCNet_x1_0
**
<b>
|
<b>
96.01
<b>
|
<b>
2.72
<b>
|
<b>
6.5
<b>
| 使用 SSLD 预训练模型+EDA 策略|
| PPLCNet_x1_0
**
| 95.86 | 2.72 | 6.5 | 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
| PPLCNet_x1_0
**
| 95.86 | 2.72 | 6.5 | 使用 SSLD 预训练模型+EDA 策略+SKL-UGI 知识蒸馏策略|
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbo
o
ne 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,精度下降也比较明显。将 backbone 替换为 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 8.6 个百分点,速度快10%左右。在此基础上,更改分辨率和stride, 速度变慢 27%,但是精度可以提升 4.5 个百分点(采用
[
PaddleOCR
](
https://github.com/PaddlePaddle/PaddleOCR
)
的方案),使用 SSLD 预训练模型后,精度可以继续提升约 0.05 个百分点 ,进一步地,当融合EDA策略后,精度可以再提升 1.9 个百分点。最后,融合SKL-UGI 知识蒸馏策略后,在该场景无效。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
从表中可以看出,backbone 为 SwinTranformer_tiny 时精度较高,但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后,速度可以大幅提升,精度下降也比较明显。将 backbone 替换为 PPLCNet_x1_0 时,精度较 MobileNetV3_small_x0_35 高 8.6 个百分点,速度快10%左右。在此基础上,更改分辨率和stride, 速度变慢 27%,但是精度可以提升 4.5 个百分点(采用
[
PaddleOCR
](
https://github.com/PaddlePaddle/PaddleOCR
)
的方案),使用 SSLD 预训练模型后,精度可以继续提升约 0.05 个百分点 ,进一步地,当融合EDA策略后,精度可以再提升 1.9 个百分点。最后,融合SKL-UGI 知识蒸馏策略后,在该场景无效。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。
**备注:**
**备注:**
...
@@ -68,9 +68,9 @@
...
@@ -68,9 +68,9 @@
## 2. 模型快速体验
## 2. 模型快速体验
<a
name=
"2.1"
></a>
<a
name=
"2.1"
></a>
### 2.1 安装 paddlepaddle
### 2.1 安装 paddlepaddle
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
-
您的机器安装的是 CUDA9 或 CUDA10,请运行以下命令安装
```
bash
```
bash
...
@@ -82,23 +82,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
...
@@ -82,23 +82,23 @@ python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
```
bash
```
bash
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
python3
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
```
```
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
更多的版本需求,请参照
[
飞桨官网安装文档
](
https://www.paddlepaddle.org.cn/install/quick
)
中的说明进行操作。
<a
name=
"2.2"
></a>
<a
name=
"2.2"
></a>
### 2.2 安装 paddleclas
### 2.2 安装 paddleclas
使用如下命令快速安装 paddleclas
使用如下命令快速安装 paddleclas
```
```
pip3 install paddleclas
pip3 install paddleclas
```
```
<a
name=
"2.3"
></a>
<a
name=
"2.3"
></a>
### 2.3 预测
### 2.3 预测
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
点击
[
这里
](
https://paddleclas.bj.bcebos.com/data/PULC/pulc_demo_imgs.zip
)
下载 demo 数据并解压,然后在终端中切换到相应目录。
*
使用命令行快速预测
*
使用命令行快速预测
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录