ObjectDetectio-watermarking

pytorch目标检测训练框架

代码兼容性较强，使用的是一些基本的库、基础的函数
在argparse中可以选择使用wandb，能在wandb网站中生成可视化的训练过程
测试时输入模型的图片会填充为固定大小、RGB通道(如batch,640,640,3)，图片四周的填充值为(128,128,128)

1，环境

torch：https://pytorch.org/get-started/previous-versions/

pip install tqdm wandb opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

2，数据格式

(标准YOLO格式)
├── 数据集路径：data_path
    └── image：存放所有图片
    └── label：存放所有图片的标签，名称:图片名.txt，内容:类别号 x_center y_center w h(x,y,w,h为相对图片的比例值)
    └── train.txt：训练图片的绝对路径(或相对data_path下路径)
    └── val.txt：验证图片的绝对路径(或相对data_path下路径)
    └── class.txt：所有的类别名称

3，run.py

模型训练时运行该文件，argparse中有对每个参数的说明

4，predict_pt.py

使用训练好的pt模型预测

5，export_onnx.py

将pt模型导出为onnx模型

6，flask_start.py

用flask将程序包装成一个服务，并在服务器上启动

7，flask_request.py

以post请求传输数据调用服务

8，gunicorn_config.py

用gunicorn多进程启动flask服务：gunicorn -c gunicorn_config.py flask_start:app

其他

学习笔记：https://github.com/TWK2022/notebook

分支说明

master分支为华科大提供的原始代码 demo分支为经过修改的demo示例