目标识别模板(mmdetection)使用

模板ID：4539 算盘文档目标识别模板(mmdetection)
目标识别模板（mmdetection），用于定位图片中的物体。需要在配置过GPU加速的机器上运行，关于算盘GPU主机安装可以参考“算盘GPU主机安装(CentOS7)”文档。如果您只能在CPU机器上运行，请考虑使用目标识别模板（TensorFlow）。
保证训练节点有足够的计算资源，不然在训练时候可能会报内存不足的错误。 分配资源
目标识别节点底层使用mmdetection框架，框架内部使用PyTorch深度学习库。

节点使用介绍

目标识别训练mmdetection

接收上传的data.zip训练数据压缩包文件训练目标识别模型。
关于data.zip文件的内容，你可以下载下列文件并参考：https://suanpan-test.oss-cn-beijing.aliyuncs.com/sp_share/data_coco.zip 压缩前文件结构如下，压缩前建议将您的图片大小做适当的压缩并归一化，比如归一化为1333 * 800 的图片以减小后续文件的处理时间。

.
├── images
│   ├── 0.jpg
│   ├── 10.jpg
│   ├── ...
│   ├── 8.jpg
│   └── 9.jpg
├── test.json
└── trainval.json

json文件为标注文件，标注格式为COCO。你可以下载并使用labelImg标注工具对你的图片进行标注，然后转为COCO格式的数据，具体脚本可以参考voc2coco.py。
config.py为mmdetection模型config文件。你可以下载下列config文件fasterrcnn_r50_fpn_1x.py作参考，或在此基础上修改模型、训练参数比如total_epochs和imgs_per_gpu。可以参考mmdetection/configs中其他的config文件。需要注意的是，数据根目录请配置为 data_root = 'data/'
如果您主机安装了多个GPU，可以在“参数设置”中增加GPU数量参数，提升训练效率。修改GPU数量_
训练结束后latest.pth端子会输出一个PyTorch的checkpoint文件。

目标识别预测可视化mmdetection

此节点加载训练完的模型并对上传的test.zip中的图片进行预测、框出识别的物体。运行后可视化结果图片可以在右面板查看。
config.py为mmdetection模型config文件。
latest.pth端子为训练节点输出的PyTorch的checkpoint文件。
test.zip为预测图片打的一个zip包文件，支持jpg，png类型文件。你可以下载下列文件作参考：https://suanpan-test.oss-cn-beijing.aliyuncs.com/sp_share/test.zip 预测结果图片，输出为打过预测标签的图片。
预测结果JSON为mmdetection模型预测输出的一个list，每个元素为一个dict，每个dict有两个keys，"img" 和 "result"，img为图片相对路径，result为此图片对应mmdetection中inferencedetector函数返回的结果。此json文件可以通过右面板下载并作为离线分析使用，也可接后续组件做后续分析。查看结果
下图每个检测到的物体左上角显示了分类标签和概率。标签为从0开始的整数，对应按名称排序的文本标签。可视化图片效果_