此项目为实验总结，可做测试对比及改进，不用于商用

基础环境

Ubuntu20.04
PyTorch 1.13
Python 3.8

支持

backbone 支持 mobilenetv3、shufflenetv2、ghostnet、efficientnet，vovnet neck 支持 FPN,PAN、FPN_Slim，PAN_Slim、BiFPN head 支持 gfl、gfl v2(改进版)

txydet可选组式

如： EfficientNet + BiFPN + GFL GhostNet + PAN + GFL GhostNet + BiFPN + GFL MobileNetV3 + PAN/PAN_Slim + GFLv2 ShuffleNetV2 + PAN/PAN_Slim + GFL

可以随意组合 还在持续更新...

关于EfficientDet优化版

EfficientNet + BiFPN + GFLv2

支持mosaic数据增强

4张图片大小相同，采用固定的中心点即4张图片，均分大小 load_mosaic：是否启动数据增强 mosaic_probability：有多少比例的数据采用mosaic数据增强 mosaic_area：GT bbox<该阈值则过滤掉

gfl v2版本

能涨点0.2个百分点 可以从class txydetHead(GFLHead): # 在head里进行替换

GhostNet分为官方版和简化版

配置文件 ghostnet_full.yml 原始版 ghostnet_slim.yml 轻量版

单卡GPU训练命令

python tools/train.py config/txydet.yml

多卡GPU训练命令

python -m torch.distributed.launch --nproc_per_node=2 --master_port 30001 tools/train.py config/txydet.yml

Inference video

可用于演示

python ./demo/demo.py  'video' --path /media/ubuntu/data/1.mp4 --config config/efficientdet.yml --model ./workspace/efficientdet/model_best/model_best.pth

如果是分布式训练，可以在norm_cfg中 dict(type='BN', momentum=0.01,eps=1e-3, requires_grad=True) type='BN'更改为 type='SyncBN'

说明

此项目框架借鉴了https://github.com/CycloneBoy/PPDetectionPytorch/tree/master/ppdettorch https://github.com/RangiLyu/nanodet/tree/main/nanodet https://github.com/ultralytics/yolov5

后续还会更新。。。