⽂章⽬录
ssndMaskRCNN类
paddlex.det.MaskRCNN(num_classes=81, backbone='ResNet50', with_fpn=True, aspect_ratios=[0.5,1.0,2.0], anchor_sizes=[32,64,128,256,512])
构建MaskRCNN检测器。注意在MaskRCNN中，num_classes需要设置为类别数+背景类，如⽬标包括human、dog两种，则
num_classes需设为3，多的⼀种为背景background类别
参数
num_classes (int): 包含了背景类的类别数。默认为81。 backbone (str): MaskRCNN的backbone⽹络，取值范围为[‘ResNet18’, ‘ResNet50’, ‘ResNet50_vd’, ‘ResNet101’, ‘ResNet101_vd’,
‘HRNet_W18’]。默认为‘ResNet50’。
with_fpn (bool): 是否使⽤FPN结构。默认为True。
aspect_ratios (list): ⽣成anchor⾼宽⽐的可选值。默认为[0.5, 1.0, 2.0]。
anchor_sizes (list): ⽣成anchor⼤⼩的可选值。默认为[32, 64, 128, 256, 512]。
train(self, num_epochs, train_dataset, train_batch_size=1, eval_dataset=None, save_interval_epochs=1, log_interval_steps=20, save_dir='output', pretrain _weights='IMAGENET', optimizer=None, learning_rate=1.0/800, warmup_steps=500, warmup_start_lr=1.0/2400, lr_decay_epochs=[8,11], lr_decay_gam ma=0.1, metric=None, use_vdl=False, early_stop=False, early_stop_patience=5, resume_checkpoint=None)
MaskRCNN模型的训练接⼝，函数内置了piecewise学习率衰减策略和momentum优化器。
参数
num_epochs (int): 训练迭代轮数。
train_dataset (paddlex.datasets): 训练数据读取器。 train_batch_size (int): 训练数据batch⼤⼩。⽬前检测仅⽀持单卡评估，训练数据batch⼤⼩与显卡数量之商为验证数据batch⼤⼩。默认为1。
eval_dataset (paddlex.datasets): 验证数据读取器。
save_interval_epochs (int): 模型保存间隔（单位：迭代轮数）。默认为1。
log_interval_steps (int): 训练⽇志输出间隔（单位：迭代次数）。默认为2。
长沙县第六中学save_dir (str): 模型保存路径。默认值为’output’。
pretrain_weights (str): 若指定为路径时，则加载路径下预训练模型；若为字符串’IMAGENET’，则⾃动下载在ImageNet图⽚数据上预训练的模型权重；若为None，则不使⽤预训练模型。默认为None。
optimizer (paddle.fluid.optimizer): 优化器。当该参数为None时，使⽤默认优化器：fluid.layers.piecewise_decay衰减策
略，fluid.optimizer.Momentum优化⽅法。
learning_rate (float): 默认优化器的初始学习率。默认为0.00125。
warmup_steps (int): 默认优化器进⾏warmup过程的步数。默认为500。
warmup_start_lr (int): 默认优化器warmup的起始学习率。默认为1.0/2400。
lr_decay_epochs (list): 默认优化器的学习率衰减轮数。默认为[8, 11]。
lr_decay_gamma (float): 默认优化器的学习率衰减率。默认为0.1。
metric (bool): 训练过程中评估的⽅式，取值范围为[‘COCO’, ‘VOC’]。默认值为None。
use_vdl (bool): 是否使⽤VisualDL进⾏可视化。默认值为False。
early_stop (float): 是否使⽤提前终⽌训练策略。默认值为False。
early_stop_patience (int): 当使⽤提前终⽌训练策略时，如果验证集精度在early_stop_patience个epoch内连续下降或持平，则终⽌训
2013年山东高考数学
练。默认值为5。
resume_checkpoint (str): 恢复训练时指定上次训练保存的模型路径。若为None，则不会恢复训练。默认值为None。
evaluate 评估接⼝
科学管理研究
evaluate(self, eval_dataset, batch_size=1, epoch_id=None, metric=None, return_details=False)
MaskRCNN模型的评估接⼝，模型评估后会返回在验证集上的指标box_mmap(metric指定为COCO时)和相应的seg_mmap。
参数
eval_dataset (paddlex.datasets): 验证数据读取器。
batch_size (int): 验证数据批⼤⼩。默认为1。当前只⽀持设置为1。
epoch_id (int): 当前评估模型所在的训练轮数。
metric (bool): 训练过程中评估的⽅式，取值范围为[‘COCO’, ‘VOC’]。默认为None，根据⽤户传⼊的Dataset⾃动选择，如为
VOCDetection，则metric为’VOC’; 如为COCODetection，则metric为’COCO’。
return_details (bool): 是否返回详细信息。默认值为False。
返回值
俄罗斯和叙利亚的关系tuple (metrics, eval_details) | dict (metrics): 当return_details为True时，返回(metrics, eval_details)，当return_details为False时，返回metrics。metrics为dict，包含关键字：’bbox_mmap’和’segm_mmap’或者’bbox_map‘和’segm_map’，分别表⽰预测框和分割区域平均准确率平均值在各个IoU阈值下的结果取平均值的结果（mmAP）、平均准确率平均值（mAP）。eval_details为dict，包含关键字：’bbox’，对应元素预测框结果列表，每个预测结果由图像id、预测框类别id、预测框坐标、预测框得分；’mask’，对应元素预测区域结果列表，每个预测结果由图像id、预测区域类别id、预测区域坐标、预测区域得分；’gt‘：真实标注框和标注区域相关信息。 predict 预测接⼝
predict(self, img_file, transforms=None)
MaskRCNN模型预测接⼝。需要注意的是，只有在训练过程中定义了eval_dataset，模型在保存时才会将预测时的图像处理流程保存
在st_transforms和FasterRCNN.eval_transforms中。如未在训练时定义eval_dataset，那在调⽤预测predict接⼝时，⽤户需要再重新定义test_transforms传⼊给predict接⼝。
亚太经济参数
img_file (str): 预测图像路径。
transforms (ansforms): 数据预处理操作。
返回值
list: 预测结果列表，列表中每个元素均为⼀个dict，key’bbox’, ‘mask’, ‘category’, ‘category_id’, ‘score’，分别表⽰每个
预测⽬标的框坐标信息、Mask信息，类别、类别id、置信度。其中框坐标信息为[xmin, ymin, w, h]，即左上⾓x, y坐标和框的宽和⾼。
Mask信息为原图⼤⼩的⼆值图，1表⽰像素点属于预测类别，0表⽰像素点是背景。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议