refine paddlesmrt, test=document_fix (#6011)

configs/fcos/_base_/fcos_r50_fpn.yml

@@ -30,7 +30,6 @@ FCOSHead:
     num_convs: 4
     norm_type: "gn"
     use_dcn: false
-  num_classes: 80
   fpn_stride: [8, 16, 32, 64, 128]
   prior_prob: 0.01
   fcos_loss: FCOSLoss
@@ -46,7 +45,6 @@ FCOSLoss:
 FCOSPostProcess:
   decode:
     name: FCOSBox
-    num_classes: 80
   nms:
     name: MultiClassNMS
     nms_top_k: 1000

ppsmrt/README.md → configs/smrt/README.md

-# 飞桨产业模型选型工具PP-SMRT
+# 飞桨产业模型选型工具PaddleSMRT
 
 ## 一、项目介绍
 
-PP-SMRT (PaddlePaddle Sense Model Recommend Tool) 是飞桨结合产业落地经验推出的产业模型选型工具，在项目落地过程中，用户根据自身的实际情况，输入自己的需求，即可以得到对应在算法模型、部署硬件以及教程文档的信息。同时为了更加精准的推荐，增加了数据分析功能，用户上传自己的标注文件，系统可以自动分析数据特点，例如数据分布不均衡、小目标、密集型等，从而提供更加精准的模型以及优化策略，更好的符合场景的需求。
+PaddleSMRT (Paddle Sense Model Recommend Tool) 是飞桨结合产业落地经验推出的产业模型选型工具，在项目落地过程中，用户根据自身的实际情况，输入自己的需求，即可以得到对应在算法模型、部署硬件以及教程文档的信息。同时为了更加精准的推荐，增加了数据分析功能，用户上传自己的标注文件，系统可以自动分析数据特点，例如数据分布不均衡、小目标、密集型等，从而提供更加精准的模型以及优化策略，更好的符合场景的需求。
 
-PP-SMRT用户图
+飞桨官网使用[链接](https://www.paddlepaddle.org.cn/smrt)
 
-本文档主要介绍PP-SMRT在检测方向上是如何进行模型选型推荐，以及推荐模型的使用方法。分割方向模型介绍请参考[文档](https://github.com/PaddlePaddle/PaddleSeg)
+本文档主要介绍PaddleSMRT在检测方向上是如何进行模型选型推荐，以及推荐模型的使用方法。分割方向模型介绍请参考[文档](https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/configs/smrt)
 
 ## 二、数据介绍
 
-PP-SMRT结合产业真实场景，通过比较检测算法效果，向用户推荐最适合的模型。目前PP-SMRT覆盖工业质检、城市安防两大场景，下面介绍PP-SMRT进行算法对比所使用的数据集
+PaddleSMRT结合产业真实场景，通过比较检测算法效果，向用户推荐最适合的模型。目前PaddleSMRT覆盖工业质检、城市安防两大场景，下面介绍PaddleSMRT进行算法对比所使用的数据集
 
 ### 1. 新能源电池质检数据集
 
@@ -84,11 +84,15 @@ PP-SMRT结合产业真实场景，通过比较检测算法效果，向用户推
 
 ```
 
-以上数据集特点通过数据分析工具实现，当前支持多种检测、分割数据标注格式，详细文档说明请参考[链接](DataAnalysis.md)
+为了更好的帮助用户选择模型，我们也提供了丰富的数据分析功能，用户只需要上传标注文件（不需要原图）即可了解数据特点分布和模型优化建议
+
+<div align="center">
+  <img src="https://user-images.githubusercontent.com/48433081/169062411-7940d1cb-2742-4d7d-8679-73a00c07247e.png"  width = "800" />  
+</div>
 
 ## 三、推荐模型使用全流程
 
-通过模型选型工具会得到对应场景和数据特点的检测模型配置，例如[PP-YOLOE](./configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml)
+通过模型选型工具会得到对应场景和数据特点的检测模型配置，例如[PP-YOLOE](./ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml)
 
 该配置文件的使用方法如下
 
@@ -145,25 +149,25 @@ battery_mini
 使用经过模型选型工具推荐的模型进行训练，目前所推荐的模型均使用**单卡训练**，可以在训练的过程中进行评估，模型默认保存在`./output`下
 
 ```bash
-python tools/train.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml  --eval
+python tools/train.py -c configs/smrt/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml  --eval
 ```
 
 如果训练过程出现中断，可以使用-r命令恢复训练
 
 ```bash
-python tools/train.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml  --eval -r output/ppyoloe_crn_m_300e_battery_1024/9.pdparams
+python tools/train.py -c configs/smrt/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml  --eval -r output/ppyoloe_crn_m_300e_battery_1024/9.pdparams
 ```
 
 如果期望单独评估模型训练精度，可以使用`tools/eval.py`
 
 ```bash
-python tools/eval.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams
+python tools/eval.py -c configs/smrt/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams
 ```
 
 完成训练后，可以使用`tools/infer.py`可视化训练效果
 
 ```bash
-python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams --infer_img=images/Board_diaojiao_1591.png
+python tools/infer.py -c configs/smrt/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams --infer_img=images/Board_diaojiao_1591.png
 ```
 
 更多模型训练参数请参考[文档](../docs/tutorials/GETTING_STARTED_cn.md)
@@ -175,7 +179,7 @@ python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o
 首先需要将模型导出为部署时使用的模型和配置文件
 
 ```bash
-python tools/export_model.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams
+python tools/export_model.py -c configs/smrt/ppyoloe/ppyoloe_crn_m_300e_battery_1024.yml -o weights=output/ppyoloe_crn_m_300e_battery_1024/model_final.pdparams
 ```
 
 接下来可以使用PaddleDetection中的部署代码实现C++部署，详细步骤请参考[文档](../deploy/cpp/README.md)
@@ -200,7 +204,7 @@ python tools/export_model.py -c configs/ppyoloe/ppyoloe_crn_m_300e_battery_1024.
 
 ## 五、场景范例
 
-为了更方便大家更好的进行产业落地，PP-SMRT也提供了详细的应用范例，欢迎大家使用。
+为了更方便大家更好的进行产业落地，PaddleSMRT也提供了详细的应用范例，欢迎大家使用。
 
 * 工业视觉
   * [工业缺陷检测](https://aistudio.baidu.com/aistudio/projectdetail/2598319)