diff --git a/configs/few-shot/README.md b/configs/few-shot/README.md index b8b4a3226230481fd2e0d5f7e763c7215bcad82c..e000a90d4355d5daf738232c67b6a49f739c7495 100644 --- a/configs/few-shot/README.md +++ b/configs/few-shot/README.md @@ -3,9 +3,10 @@ ## Data preparation 以[Kaggle数据集](https://www.kaggle.com/andrewmvd/road-sign-detection) 比赛数据为例,说明如何准备自定义数据。 Kaggle上的 [road-sign-detection](https://www.kaggle.com/andrewmvd/road-sign-detection) 比赛数据包含877张图像,数据类别4类:crosswalk,speedlimit,stop,trafficlight。 -可从Kaggle上下载,也可以从[下载链接](https://paddlemodels.bj.bcebos.com/object_detection/roadsign_voc.tar) 下载。 +可从Kaggle上下载,也可以从[下载链接](https://fsdet-dataset.bj.bcebos.com/roadsign_coco.tar.gz) 下载。 分别从原始数据集中每类选取相同样本(例如:10shots即每类都有十个训练样本)训练即可。
-工业数据集使用PKU-Market-PCB,该数据集用于印刷电路板(PCB)的瑕疵检测,提供了6种常见的PCB缺陷[下载链接](./configs/ppyoloe/application/README.md) +工业数据集使用PKU-Market-PCB,该数据集用于印刷电路板(PCB)的瑕疵检测,提供了6种常见的PCB缺陷[下载链接](https://fsdet-dataset.bj.bcebos.com/pcb.tar.gz) + ## Model Zoo | 骨架网络 | 网络类型 | 每张GPU图片个数 | 每类样本个数 | Box AP | 下载 | 配置文件 | @@ -25,6 +26,34 @@ Kaggle上的 [road-sign-detection](https://www.kaggle.com/andrewmvd/road-sign-de | PPYOLOE_crn_s | PPYOLOE | 1 | 30 | False | 15.4 | | PPYOLOE_crn_s | PPYOLOE | 1 | 30 | True | 17.8 | +## Training & Evaluation & Inference +### 1、Training + +``` +# -c 参数表示指定使用哪个配置文件 +# --eval 参数表示边训练边评估,训练过程中会保存验证效果最佳的checkpoint + +python tools/train.py -c configs/few-shot/faster_rcnn_r50_vd_fpn_1x_coco_cotuning_roadsign.yml --eval +``` +### 2、Evaluation +``` +# -c 参数表示指定使用哪个配置文件 +# -o 参数表示指定配置文件中的全局变量(覆盖配置文件中的设置) + +python tools/eval.py -c configs/few-shot/faster_rcnn_r50_vd_fpn_1x_coco_cotuning_roadsign.yml \ + -o weights=output/faster_rcnn_r50_vd_fpn_1x_coco_cotuning_roadsign/best_model +``` + + +### 3、Inference +``` +# -c 参数表示指定使用哪个配置文件 +# --infer_img 参数指定预测图像路径 + +python tools/infer.py -c configs/few-shot/faster_rcnn_r50_vd_fpn_1x_coco_cotuning_roadsign.yml \ + --infer_img=demo/road554.png +``` + ## Citations ``` @article{you2020co,