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
s920243400
PaddleDetection
提交
e1892235
P
PaddleDetection
项目概览
s920243400
/
PaddleDetection
与 Fork 源项目一致
Fork自
PaddlePaddle / PaddleDetection
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
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
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
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
e1892235
编写于
5月 09, 2020
作者:
W
wangguanzhong
提交者:
GitHub
5月 09, 2020
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update doc (#622)
上级
f98cfee4
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
4 addition
and
4 deletion
+4
-4
configs/anchor_free/README.md
configs/anchor_free/README.md
+1
-1
docs/advanced_tutorials/inference/EXPORT_MODEL.md
docs/advanced_tutorials/inference/EXPORT_MODEL.md
+3
-3
未找到文件。
configs/anchor_free/README.md
浏览文件 @
e1892235
...
...
@@ -7,7 +7,7 @@
-
[
如何贡献代码
](
#如何贡献代码
)
## 简介
目前主流的检测算法大体分为两类: single-stage和two-stage,其中single-stage的经典算法包括SSD, YOLO等,two-stage方法有RCNN系列模型,两大类算法在
[
PaddleDetection Model Zoo
](
../MODEL_ZOO.md
)
中均有给出,它们的共同特点是先定义一系列密集的,大小不等的anchor区域,再基于这些先验区域进行分类和回归,这种方式极大的受限于anchor自身的设计。随着CornerNet的提出,涌现了多种anchor free方法,PaddleDetection也集成了一系列anchor free算法。
目前主流的检测算法大体分为两类: single-stage和two-stage,其中single-stage的经典算法包括SSD, YOLO等,two-stage方法有RCNN系列模型,两大类算法在
[
PaddleDetection Model Zoo
](
../
../docs/
MODEL_ZOO.md
)
中均有给出,它们的共同特点是先定义一系列密集的,大小不等的anchor区域,再基于这些先验区域进行分类和回归,这种方式极大的受限于anchor自身的设计。随着CornerNet的提出,涌现了多种anchor free方法,PaddleDetection也集成了一系列anchor free算法。
## 模型库与基线
下表中展示了PaddleDetection当前支持的网络结构,具体细节请参考
[
算法细节
](
#算法细节
)
。
...
...
docs/advanced_tutorials/inference/EXPORT_MODEL.md
浏览文件 @
e1892235
...
...
@@ -36,7 +36,7 @@
# 导出FasterRCNN模型, 模型中data层默认的shape为3x800x1333
python tools/export_model.py
-c
configs/faster_rcnn_r50_1x.yml
\
--output_dir
=
./inference_model
\
-o
weights
=
output/faster_rcnn_r50_1x/model_final
\
-o
weights
=
output/faster_rcnn_r50_1x/model_final
```
预测模型会导出到
`inference_model/faster_rcnn_r50_1x`
目录下,模型名和参数名分别为
`__model__`
和
`__params__`
。
...
...
@@ -44,7 +44,7 @@ python tools/export_model.py -c configs/faster_rcnn_r50_1x.yml \
## 设置导出模型的输入大小
使用Fluid-TensorRT进行预测时,由于<=TensorRT 5.1的版本仅支持定长输入,保存模型的
`data`
层的图片大小需要和实际输入图片大小一致。而Fluid C++预测引擎没有此限制。
可通过设置TestReader中
`image_shape`
可以修改保存模型中的输入图片大小。示例如下:
使用Fluid-TensorRT进行预测时,由于<=TensorRT 5.1的版本仅支持定长输入,保存模型的
`data`
层的图片大小需要和实际输入图片大小一致。而Fluid C++预测引擎没有此限制。
设置TestReader中的
`image_shape`
可以修改保存模型中的输入图片大小。示例如下:
```
bash
# 导出FasterRCNN模型,输入是3x640x640
...
...
@@ -76,7 +76,7 @@ pip install paddle-serving-client
# 导出FasterRCNN模型, 模型中data层默认的shape为3x800x1333
python tools/export_serving_model.py
-c
configs/faster_rcnn_r50_1x.yml
\
--output_dir
=
./inference_model
\
-o
weights
=
output/faster_rcnn_r50_1x/model_final
\
-o
weights
=
output/faster_rcnn_r50_1x/model_final
```
用于Serving的预测模型会导出到
`inference_model/faster_rcnn_r50_1x`
目录下,其中
`serving_client`
为客户端配置文件夹,
`serving_server`
为服务端配置文件夹,模型参数也在服务端配置文件夹中。
...
...
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