SSJIACV / Yet-Another-EfficientDet-Pytorch

The pytorch re-implement of the official efficientdet with SOTA performance in real time and pretrained weights.

EfficientDet： Pytorch Implementation Support Odgt_Nori and MS COCO

EfficientDet的pytorch版高精度实现： 本项目属于codebase建设的一部分，旨在支持odgt格式的数据标注以及Nori的image存储格式，在不用改任何参数（包括数据路径）的情况下，也能一键跑通本项目代码。

对于odgt标注格式的数据，本项目支持两种读取方式：一种是将odgt标注文件和images放在本地路径下（以下统称为 ：Local ），另一种是odgt标注文件存于OSS中，image是nori存储方式（以下统称为 ：OSS ），下面对这两种方式分别进行说明：

OSS

数据

不需要本地存储

参数设置

对应 daodixian_2class.yml

project_name: daodixian_2class  # 这个 project_name 既是 yml文件的名称 ，又是数据集的根目录（如果是local本地读取的话）

obj_list: ['songduangu','yiwu']   # 表示数据中的class name

set_class: daodixian_2class  # 仅在 Local 模式时需要设置这个参数 ，表示odgt标注文件的前缀，后缀为_train.odgt（固定的）

train_odgt_path : 's3://jiashuaishuai/dianwang_data/daodixian_2class/annotations/daodixian_2class_train.odgt'  # 根据odgt和其中的nori_id来读取标注和Image

val_odgt_path : 's3://jiashuaishuai/dianwang_data/daodixian_2class/annotations/daodixian_2class_val.odgt'

注：还有部分参数在训练脚本里的argparse进行更改

训练脚本

对应train_odgt_nori_daodixian.py

注：train_coco_daodixian.py 是用来训练json标注格式的daodixian数据的

评估脚本

对应eval_odgt_nori.py

Local

数据

# 你的数据结构应该按照以下格式：（以导地线odgt为例，json也同理）

datasets/
    -daodixian_2class/
        -images/
            -*.jpg
        -annotations
            - daodixian_2class_train.odgt
            - daodixian_2class_val.odgt
注：images中存训练和验证的所有images
daodixian_2class就是daodixian_2class.yml 中的set_class参数，以 _train.odgt 和_val.odgt 结尾是固定的

参数设置

同OSS模式下的参数设置

训练脚本

对应train_odgt_daodixian.py

评估脚本

对应eval_odgt.py

Pretrained weights and benchmark

The performance in COCO datasets is very close to the paper's, it is still SOTA.

The speed/FPS test includes the time of post-processing with no jit/data precision trick.

coefficient	pth_download	GPU Mem(MB)	FPS	Extreme FPS (Batchsize 32)	mAP 0.5:0.95(this repo)	mAP 0.5:0.95(official)
D0	efficientdet-d0.pth	1049	36.20	163.14	33.1	33.8
D1	efficientdet-d1.pth	1159	29.69	63.08	38.8	39.6
D2	efficientdet-d2.pth	1321	26.50	40.99	42.1	43.0
D3	efficientdet-d3.pth	1647	22.73	-	45.6	45.8
D4	efficientdet-d4.pth	1903	14.75	-	48.8	49.4
D5	efficientdet-d5.pth	2255	7.11	-	50.2	50.7
D6	efficientdet-d6.pth	2985	5.30	-	50.7	51.7
D7	efficientdet-d7.pth	3819	3.73	-	52.7	53.7
D7X	efficientdet-d8.pth	3983	2.39	-	53.9	55.1

Install

# install requirements
pip install pycocotools numpy opencv-python tqdm tensorboard tensorboardX pyyaml webcolors
pip install torch==1.4.0
pip install torchvision==0.5.0

Reference

本项目代码参考的是 zylo117 的 Yet-Another-EfficientDet-Pytorch ，其中 readme_ori.md 就是该作者的原readme，使用本项目代码之前，建议先看一下readme_ori.md

Contact

[e-mail]