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
PaddleDetection
提交
6c2ee01b
P
PaddleDetection
项目概览
PaddlePaddle
/
PaddleDetection
1 年多 前同步成功
通知
696
Star
11112
Fork
2696
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
184
列表
看板
标记
里程碑
合并请求
40
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleDetection
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
184
Issue
184
列表
看板
标记
里程碑
合并请求
40
合并请求
40
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
6c2ee01b
编写于
6月 13, 2023
作者:
N
niefeng
提交者:
GitHub
6月 13, 2023
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add swin focalnet backbone rtdetr models (#8309)
上级
579254f4
变更
4
隐藏空白更改
内联
并排
Showing
4 changed file
with
199 addition
and
6 deletion
+199
-6
configs/rtdetr/README.md
configs/rtdetr/README.md
+11
-3
configs/rtdetr/rtdetr_focalnet_L_384_3x_coco.yml
configs/rtdetr/rtdetr_focalnet_L_384_3x_coco.yml
+87
-0
configs/rtdetr/rtdetr_swin_L_384_3x_coco.yml
configs/rtdetr/rtdetr_swin_L_384_3x_coco.yml
+89
-0
ppdet/modeling/transformers/rtdetr_transformer.py
ppdet/modeling/transformers/rtdetr_transformer.py
+12
-3
未找到文件。
configs/rtdetr/README.md
浏览文件 @
6c2ee01b
...
...
@@ -2,8 +2,9 @@
## 最新动态
-
发布RT-DETR-Swin和RT-DETR-FocalNet模型
-
发布RT-DETR-R50和RT-DETR-R101的代码和预训练模型
-
发布RT-DETR-L和RT-DETR-X的代码和预训练模型
-
**发布RT-DETR-L和RT-DETR-X的代码和预训练模型**
-
发布RT-DETR-R50-m模型(scale模型的范例)
-
发布RT-DETR-R34模型
-
发布RT-DETR-R18模型
...
...
@@ -17,7 +18,7 @@ RT-DETR是第一个实时端到端目标检测器。具体而言,我们设计
<img
src=
"https://github.com/PaddlePaddle/PaddleDetection/assets/17582080/3184a08e-aa4d-49cf-9079-f3695c4cc1c3"
width=
500
/>
</div>
## 模型
##
基础
模型
| Model | Epoch | backbone | input shape | $AP^{val}$ | $AP^{val}_{50}$| Params(M) | FLOPs(G) | T4 TensorRT FP16(FPS) | Pretrained Model | config |
|:--------------:|:-----:|:----------:| :-------:|:--------------------------:|:---------------------------:|:---------:|:--------:| :---------------------: |:------------------------------------------------------------------------------------:|:-------------------------------------------:|
...
...
@@ -29,10 +30,17 @@ RT-DETR是第一个实时端到端目标检测器。具体而言,我们设计
| RT-DETR-L | 6x | HGNetv2 | 640 | 53.0 | 71.6 | 32 | 110 | 114 |
[
download
](
https://bj.bcebos.com/v1/paddledet/models/rtdetr_hgnetv2_l_6x_coco.pdparams
)
|
[
config
](
rtdetr_hgnetv2_l_6x_coco.yml
)
| RT-DETR-X | 6x | HGNetv2 | 640 | 54.8 | 73.1 | 67 | 234 | 74 |
[
download
](
https://bj.bcebos.com/v1/paddledet/models/rtdetr_hgnetv2_x_6x_coco.pdparams
)
|
[
config
](
rtdetr_hgnetv2_x_6x_coco.yml
)
## 高精度模型
| Model | Epoch | backbone | input shape | $AP^{val}$ | $AP^{val}_{50}$ | Pretrained Model | config |
|:-----:|:-----:|:---------:| :---------:|:-----------:|:---------------:|:----------------:|:------:|
| RT-DETR-Swin | 3x | Swin_L_384 | 640 | 56.2 | 73.5 |
[
download
](
https://bj.bcebos.com/v1/paddledet/models/rtdetr_swin_L_384_3x_coco.pdparams
)
|
[
config
](
./rtdetr_swin_L_384_3x_coco.yml
)
| RT-DETR-FocalNet | 3x | FocalNet_L_384 | 640 | 56.9 | 74.3 |
[
download
](
https://bj.bcebos.com/v1/paddledet/models/rtdetr_focalnet_L_384_3x_coco.pdparams
)
|
[
config
](
./rtdetr_focalnet_L_384_3x_coco.yml
)
**注意事项:**
-
RT-DETR 使用4个GPU训练。
-
RT-DETR
基础模型均
使用4个GPU训练。
-
RT-DETR 在COCO train2017上训练,并在val2017上评估。
-
高精度模型RT-DETR-Swin和RT-DETR-FocalNet使用8个GPU训练,显存需求较高。
## 快速开始
...
...
configs/rtdetr/rtdetr_focalnet_L_384_3x_coco.yml
0 → 100644
浏览文件 @
6c2ee01b
_BASE_
:
[
'
../datasets/coco_detection.yml'
,
'
../runtime.yml'
,
'
_base_/optimizer_6x.yml'
,
'
_base_/rtdetr_r50vd.yml'
,
'
_base_/rtdetr_reader.yml'
,
]
weights
:
output/rtdetr_focalnet_L_384_3x_coco/model_final
find_unused_parameters
:
True
log_iter
:
100
snapshot_epoch
:
2
pretrain_weights
:
https://bj.bcebos.com/v1/paddledet/models/pretrained/focalnet_large_fl4_pretrained_on_o365.pdparams
DETR
:
backbone
:
FocalNet
neck
:
HybridEncoder
transformer
:
RTDETRTransformer
detr_head
:
DINOHead
post_process
:
DETRPostProcess
FocalNet
:
arch
:
'
focalnet_L_384_22k_fl4'
out_indices
:
[
1
,
2
,
3
]
HybridEncoder
:
hidden_dim
:
256
use_encoder_idx
:
[
2
]
num_encoder_layers
:
6
#
encoder_layer
:
name
:
TransformerLayer
d_model
:
256
nhead
:
8
dim_feedforward
:
2048
dropout
:
0.
activation
:
'
gelu'
expansion
:
1.0
RTDETRTransformer
:
num_queries
:
300
position_embed_type
:
sine
feat_strides
:
[
8
,
16
,
32
]
num_levels
:
3
nhead
:
8
num_decoder_layers
:
6
dim_feedforward
:
2048
#
dropout
:
0.0
activation
:
relu
num_denoising
:
100
label_noise_ratio
:
0.5
box_noise_scale
:
1.0
learnt_init_query
:
False
query_pos_head_inv_sig
:
True
#
DINOHead
:
loss
:
name
:
DINOLoss
loss_coeff
:
{
class
:
1
,
bbox
:
5
,
giou
:
2
}
aux_loss
:
True
use_vfl
:
True
matcher
:
name
:
HungarianMatcher
matcher_coeff
:
{
class
:
2
,
bbox
:
5
,
giou
:
2
}
DETRPostProcess
:
num_top_queries
:
300
epoch
:
36
LearningRate
:
base_lr
:
0.0001
schedulers
:
-
!PiecewiseDecay
gamma
:
0.1
milestones
:
[
36
]
use_warmup
:
false
OptimizerBuilder
:
clip_grad_by_norm
:
0.1
regularizer
:
false
optimizer
:
type
:
AdamW
weight_decay
:
0.0001
param_groups
:
-
params
:
[
'
absolute_pos_embed'
,
'
relative_position_bias_table'
,
'
norm'
]
weight_decay
:
0.0
configs/rtdetr/rtdetr_swin_L_384_3x_coco.yml
0 → 100644
浏览文件 @
6c2ee01b
_BASE_
:
[
'
../datasets/coco_detection.yml'
,
'
../runtime.yml'
,
'
_base_/optimizer_6x.yml'
,
'
_base_/rtdetr_r50vd.yml'
,
'
_base_/rtdetr_reader.yml'
,
]
weights
:
output/rtdetr_swin_L_384_3x_coco/model_final
find_unused_parameters
:
True
log_iter
:
100
snapshot_epoch
:
2
pretrain_weights
:
https://bj.bcebos.com/v1/paddledet/models/dino_swin_large_384_4scale_3x_coco.pdparams
DETR
:
backbone
:
SwinTransformer
neck
:
HybridEncoder
transformer
:
RTDETRTransformer
detr_head
:
DINOHead
post_process
:
DETRPostProcess
SwinTransformer
:
arch
:
'
swin_L_384'
# ['swin_T_224', 'swin_S_224', 'swin_B_224', 'swin_L_224', 'swin_B_384', 'swin_L_384']
ape
:
false
drop_path_rate
:
0.2
patch_norm
:
true
out_indices
:
[
1
,
2
,
3
]
HybridEncoder
:
hidden_dim
:
256
use_encoder_idx
:
[
2
]
num_encoder_layers
:
6
#
encoder_layer
:
name
:
TransformerLayer
d_model
:
256
nhead
:
8
dim_feedforward
:
2048
#
dropout
:
0.
activation
:
'
gelu'
expansion
:
1.0
RTDETRTransformer
:
num_queries
:
300
position_embed_type
:
sine
feat_strides
:
[
8
,
16
,
32
]
num_levels
:
3
nhead
:
8
num_decoder_layers
:
6
dim_feedforward
:
2048
#
dropout
:
0.0
activation
:
relu
num_denoising
:
100
label_noise_ratio
:
0.5
box_noise_scale
:
1.0
learnt_init_query
:
False
DINOHead
:
loss
:
name
:
DINOLoss
loss_coeff
:
{
class
:
1
,
bbox
:
5
,
giou
:
2
}
aux_loss
:
True
use_vfl
:
True
matcher
:
name
:
HungarianMatcher
matcher_coeff
:
{
class
:
2
,
bbox
:
5
,
giou
:
2
}
DETRPostProcess
:
num_top_queries
:
300
epoch
:
36
LearningRate
:
base_lr
:
0.0001
schedulers
:
-
!PiecewiseDecay
gamma
:
0.1
milestones
:
[
36
]
use_warmup
:
false
OptimizerBuilder
:
clip_grad_by_norm
:
0.1
regularizer
:
false
optimizer
:
type
:
AdamW
weight_decay
:
0.0001
param_groups
:
-
params
:
[
'
absolute_pos_embed'
,
'
relative_position_bias_table'
,
'
norm'
]
weight_decay
:
0.0
ppdet/modeling/transformers/rtdetr_transformer.py
浏览文件 @
6c2ee01b
...
...
@@ -218,14 +218,19 @@ class TransformerDecoder(nn.Layer):
score_head
,
query_pos_head
,
attn_mask
=
None
,
memory_mask
=
None
):
memory_mask
=
None
,
query_pos_head_inv_sig
=
False
):
output
=
tgt
dec_out_bboxes
=
[]
dec_out_logits
=
[]
ref_points_detach
=
F
.
sigmoid
(
ref_points_unact
)
for
i
,
layer
in
enumerate
(
self
.
layers
):
ref_points_input
=
ref_points_detach
.
unsqueeze
(
2
)
query_pos_embed
=
query_pos_head
(
ref_points_detach
)
if
not
query_pos_head_inv_sig
:
query_pos_embed
=
query_pos_head
(
ref_points_detach
)
else
:
query_pos_embed
=
query_pos_head
(
inverse_sigmoid
(
ref_points_detach
))
output
=
layer
(
output
,
ref_points_input
,
memory
,
memory_spatial_shapes
,
memory_level_start_index
,
...
...
@@ -276,6 +281,7 @@ class RTDETRTransformer(nn.Layer):
label_noise_ratio
=
0.5
,
box_noise_scale
=
1.0
,
learnt_init_query
=
True
,
query_pos_head_inv_sig
=
False
,
eval_size
=
None
,
eval_idx
=-
1
,
eps
=
1e-2
):
...
...
@@ -321,6 +327,7 @@ class RTDETRTransformer(nn.Layer):
if
learnt_init_query
:
self
.
tgt_embed
=
nn
.
Embedding
(
num_queries
,
hidden_dim
)
self
.
query_pos_head
=
MLP
(
4
,
2
*
hidden_dim
,
hidden_dim
,
num_layers
=
2
)
self
.
query_pos_head_inv_sig
=
query_pos_head_inv_sig
# encoder head
self
.
enc_output
=
nn
.
Sequential
(
...
...
@@ -464,7 +471,9 @@ class RTDETRTransformer(nn.Layer):
self
.
dec_bbox_head
,
self
.
dec_score_head
,
self
.
query_pos_head
,
attn_mask
=
attn_mask
)
attn_mask
=
attn_mask
,
memory_mask
=
None
,
query_pos_head_inv_sig
=
self
.
query_pos_head_inv_sig
)
return
(
out_bboxes
,
out_logits
,
enc_topk_bboxes
,
enc_topk_logits
,
dn_meta
)
...
...
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