对象检测模型的自定义培训管道

如果您想从头开始编写整个对象检测训练管道，以便您可以理解每个步骤并能够自定义？这就是我打算做的。我检查了几个知名的对象检测管道，并设计了一种最适合我的需求和任务的管道。多亏了Ultrytics，Yolox，Damo-Yolo，RT-Detr和D-Fine Repos，我利用它们对各种设计细节有了更深入的了解。我最终在自定义管道中实现了SOTA实时对象检测模型D-Fine。

超级分析 yolox Damo-Yolo RT-DETR d-fine SOTA实时对象检测模型D-- 计划 数据集，增强和转换：Mosaic（带有仿射转换）混合和用边界的盒装盒与简单的重新缩放的剪切增强：优化式插座板堆积的夹层夹层：从Torchmetrics / cocotorts / cocotoolshow for Dodae forder forder，i youry your you you you you you you you you you you you you you you you you you，预处理以开始 数据集，增强和转换：带有边界盒装盒与简单调整大小 马赛克（带有仿射变换）混合和cutoutother增强额，带有边界的盒装盒与简单的调整大小 RT-DETR d-fine

SOTA实时对象检测模型D--

计划

数据集，增强和转换：Mosaic（带有仿射转换）混合和用边界的盒装盒与简单的重新缩放的剪切增强：优化式插座板堆积的夹层夹层：从Torchmetrics / cocotorts / cocotoolshow for Dodae forder forder，i youry your you you you you you you you you you you you you you you you you you，预处理以开始

数据集，增强和转换：带有边界盒装盒与简单调整大小

马赛克（带有仿射变换）混合和cutoutother增强额，带有边界的盒装盒与简单的调整大小

马赛克（带有仿射变换）

混音和切口

其他带有边界盒的增强案

信箱与简单调整大小

培训：OptimizerscheduleReMabatch累积型夹具

态

优化器

调度程序

ema

批次累积

amp

毕业剪辑

记录

指标：Torchmetrics / cocotoolshow的地图以计算精度，回想一下，iou？

从Torchmetrics / CocotoolShow中映射以计算精度，请回想一下，iOU？

torchmetrics / cocotools的地图< / div>

如何计算精度，回想一下，iou？

选择适合您的案件的解决方案

实验

注意数据预处理

从哪里开始

数据集 class_id x_center y_center 宽度

高度

增强 arbumentations 马赛克 混音 切口 1 2

Visdrone简单调整大小：